资源描述：
《两种智能优化算法及其应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第26卷第3期晋中学院学报Vol.26No.32009年6月JournalofJinzhongUniversityJun.2009两种智能优化算法及其应用孟晓春(晋中学院职业技术学院,山西晋中030600)摘要:遗传算法和蚁群算法是两种新型的寻优策略,遗传算法用于函数优化问题,蚁群算法用于求解非线形规划问题.建立通过相应的优化模型,并得出了实现的步骤,结果表明遗传算法具有简单、通用、鲁棒性强、适用于并行处理的特点.蚁群算法具有正反馈性、较强的鲁棒性、并行性以及易与其他方法结合的特性.关键词:遗传算法;蚁群算法;鲁棒性强中图分类号:TP301文献标识码:A文章编号:167
2、3-1808(2009)03-0093-04随着人类生产发展需求的增加和人类的技术水平和知识水平的提高,控制科学也逐渐产生并发展起来,它从经典控制理论、现代控制理论发展到智能控制理论.智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出的.一般来说智能控制有以下特点:多输入多输出,被控对象非线性严重,没有确定的数学模型,系统工作点变化剧烈,控制过程可以由微分/差分以及离散状态序列来描述,复[1]杂对象、复杂环境、复杂任务条件下被控对象与控制器不明显分离.智能控制方法是从“仿人”的概念出发的,是一门跨学科、需要多学科提供基础支持的技术科学.1遗传算法
3、遗传算法(GeneticAlgorithms,GA)是一类借鉴生物界自然选择和自然遗传机制的随机的搜索算法,由Holland教授于1975年提出.它简单、通用、鲁棒性强、适用于并行处理,对于以往难以解决的函数优化问题、复杂的多目标规划问题、工农业生产中的配管、配线问题以及机器学习、图像识别、人工神经网络控制和网络构造、系统辨识、模糊控制、系统故障诊、行走机器人路径规划等问题,尤其是自动控制,GA是最有效的方法之一.1.1实现方法2遗传算法成功地解决了函数优化问题.这里以一个简单的例子:求[0,31]范围内的y=(x-10)的最小值为例,说明遗传算法的基本流程.编码算法选
4、择为:将x转化为2进制的串,串的长度为5位.等位基因的值为0或1.2计算适应度的方法是:先将个体串进行解码,转化为int型的x值,然后使用y=(x-10)作为其适应度计算.由于是最小值,所以结果越小,适应度也越好.正式开始,先设置群体大小为4,然后初始化群体.在[0,31]范围内随机选取4个整数就可以编码.2计算适应度Fi,由于是最小值,可以选取一个大的基准线1000,Fi=1000-(x-10).计算每个个体的选择概率.选择概率要能够反映个体的优秀程度.这里用一个很简单的方法来确定选择概率:P=Fi/TOTAL(Fi)选择:根据所有个体的选择概率进行淘汰选择.这里使用
5、的是一个赌轮的方式进行淘汰选择.先按照每[收稿日期]2008-06-17[作者简介]孟晓春(1971-),男,山西和顺人,晋中学院职业技术学院,助教,硕士,研究方向:软件工程.·93·孟晓春两种智能优化算法及其应用个个体的选择概率创建一个赌轮,然后选取4次,每次先产生一个0～1的随机小数,然后判断该随机数落在哪个段内就选取相对应的个体.这个过程中,选取概率P高的个体将可能被多次选择,而概率低的就可能被淘汰.被选中的个体将进入配对库(matingpool,配对集团)准备开始繁殖.简单交叉:先对配对库中的个体进行随机配对.然后在配对的两个个体中设置交叉点,交换两个个体的信息
6、后产生下一代.比如:(
7、代表简单串的交叉位置)(0110
8、1,1100
9、0)--交叉-->(01100,11001)(01
10、000,11
11、011)--交叉-->(01011,11000)两个父代的个体在交叉后繁殖出了下一代的同样数量的个体.复杂的交叉在交叉的位置、交叉的方法、双亲的数量上都可以选择,其目的在于尽可能地培育出更优秀的后代.变异:变异操作是按照基因座来的.比如说,每计算2万个基因座就发生一个变异,我们现在的每个个体有5个基因座,也就是说要进化1000代后才会在其中的某个基因座发生一次变异.变异的结果是基因座上的等位基因发生了变化.我们这里的例子就是把0变成1
12、或1变成0.至此,我们已经产生了一个新的(下一代)集团,然后再计算适应度,周而复始,生生不息下去.基于上述定义,GA的求解为下列六步:1)选择编码方式和编码:GA在执行求解之前,首先要选择合适的编码方式,将待求解问题的所有参量编码成一个定长的字符串,设串长为L.目前,常使用的编码方式主要是二进制码.2)产生初始种群:经典遗传算法是按随机方法产生一组原始解,表示为N个初始字符串,每个字符串称为一个个体,这N个个体就构成了一个群体.GA以这N个字符串作为初始点开始迭代计算,但这样就可能导致初始种群在解空间分布的不均匀,从而影响算法的性能.要得
