资源描述：
《一种改进的遗传算法及其在PID 控制中的应用》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、1223年55月控制工程."/01223第56卷第7期!"#$%"&’#()#**%)#("+!,)#-4"&056，."07!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!文章编号：57358396（91223）2782:9;82<一种改进的遗传算法及其在!"#控制中的应用周洪波，齐占庆，衡强，李志强（燕山大学电气工程学院，河北秦皇岛277226）摘要：针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点，提出了一种改进的遗传算法，并将其应用于=>?参数寻优。该算法既具有经典遗传算法的全局
2、寻优能力，又具有局部寻优能力；同时，它又能有效地抑制早熟，保证得到的优化参数为最优。仿真结果表明，基于此遗传算法寻优设计的=>?控制器可以极大地提高寻优的速度，鲁棒性强，具有很好的动态品质和稳定性。关键词：遗传算法；参数寻优；=>?控制器中图分类号：@=13<文献标识码：A>BC%"/*DE*#*$)FA&("%)$,B-#D>$GACC&)F-$)"#$"=>?!"#$%"&&*%G!"#$"%&’8(%，)*!+,&8-.&’，"/01).,&’，2*!+.8-.,&’（!"&&*(*"+’&*F$%)F-&’#()#**%)#(，H-#G,-#I#)/*%G)$J，K
3、)#,L-#(D-"277226，!,)#-）$%&’()*’：A#)BC%"/*D(*#*$)F-&("%)$,B（EA）)GC%"C"G*D$"$,*C%"M&*B"+$,*C-%-B*$*%"C$)B)N-$)"#"+=>?F"#$%"&&*%O>$F-#M*LG*D$""/*%F"B*$,*G,"%$F"B)#(G"+G&"P8F"#/*%(*#F*，*-GJ8C%*B-$L%*-#D)#F-C-M)&)$J"+"C$)B)N-$)"#)#$,*&"F-&-%*-P)$,F&-GG)F-&(*#*$)F-&("8%)$,BO@,)G-&("%)$,B,-GM"$,$
4、,*F-C-M)&)$J"+"C$)B)N-$)"#)#$,*(&"M-&-%*--#D$,*F-C-M)&)$J"+"C$)B)N-$)"#"+$,*D)%*F$G*-%F,B*$,"DG)#$,*&"F-&-%*-0>$-/")DGC%*B-$L%*F"#/*%(*#F*-#D*#GL%*G$,-$$,*"M$-)#*DC-%-B*$*%G-%*"C$)B-&O@,*G)BL&-$)"#%*GL&$G,"PG$,-$$,*=>?F"#$%"&&*%D*G)(#*DLC"#$,*)BC%"/*DEA(%*-$&J)BC%"/*G$,*G*-%F,GC**D，-#D)G"+
5、(""DDJ#-B)FQL-&)$J-#DG$-M)&)$JO+,-./(0&：(*#*$)F-&("%)$,B；C-%-B*$*%8"C$)B)N-$)"#；=>?F"#$%"&&*%美国T)F,)(-#大学的U"&&-#D教授提出的模拟自然1引言界遗传机制和生物进化而成的一种随机并行搜索优［1］=>?控制规律具有算法简单、可靠及鲁棒性好化方法。将“优胜劣汰，适者生存”的生物进化理［5］等优点，在大多数过程控制中仍被采用。所以，论引入优化参数的编码串群体中，按所选择的适应=>?参数整定一直是自动控制领域研究的主要问题度值函数并通过遗传中的选择、交叉和变异对个体之一，有>R
6、@’最优设定法、继电器法、快速整定进行筛选，使适应度值高的个体被保留下来，组成法、衰减曲线法、S)*(&-%8.)F,"&G阶跃响应法等。但新的群体，新的群体既继承了上一代的信息，又优是这些传统的整定方法都存在不足。快速整定法、于上一代。这样周而复始，群体中的个体适应度值衰减曲线法、S)*(&-%8.)F,"&G是依据经验进行总结而不断提高，直至满足一定的条件。不是最优解；继电器法会使被控系统产生震荡；而3改进的遗传算法>R@’最优设定法是针对特定被控对象的。由于遗传算法具有较强的寻优能力，所以人们将这种算法5）改进遗传算法的特点本文提出的遗传算应用于=>?参数寻优。但由于
7、经典遗传算法自身的法有三个特征。算法中的初始种群规模固定，而且一些特点，使之产生出的最优解往往限于局部最最少种群数可以为6个；交叉操作简化成单个基因优，不能得到全局最优解，而且收敛速度慢，易于交叉；在每一代种群中只有一个染色体被选择出来早熟。本文提出了一种改进的遗传算法，并将其应进行变异。该改进算法既具有经典遗传算法的全局用于=>?参数寻优。寻优能力，又具有局部寻优能力，同时它又能有效地抑制早熟，保证得到的优化参数为最优。与传统2经典遗传算法的特点遗传算法相比，它还具有更快的收敛速度。本文以遗传算法（E*#*$)F
