遺傳算法在主蒸汽溫度控制系統(tǒng)中的應(yīng)用-畢業(yè)論文

遺傳算法在主蒸汽溫度控制系統(tǒng)中的應(yīng)用摘要在電廠熱工生產(chǎn)過(guò)程中，主蒸汽溫度控制的任務(wù)是 維持過(guò)熱器出口蒸汽溫度在允許范圍之內(nèi)。過(guò)熱汽溫被控對(duì)象是一個(gè)多容環(huán)節(jié)，它的純遲延時(shí)間和時(shí)間常數(shù)都比較大，干擾因素多，對(duì)象模型不能精確確定，中間測(cè)點(diǎn)不易取，由于其特有的復(fù)雜性，使得模型的獲取有一定的難度。PID調(diào)節(jié)是熱工系統(tǒng)最主要的控制策略，它直接影響機(jī)組的安全、經(jīng)濟(jì)運(yùn)行。遺傳算法作為一種智能優(yōu)化算法，它是在解空間進(jìn)行高效啟發(fā)式搜索，而非盲目地窮舉或完全隨機(jī)搜索，應(yīng)用遺傳算法對(duì)主汽溫系統(tǒng)控制器參數(shù)進(jìn)行優(yōu)化，實(shí)驗(yàn)表明，應(yīng)用遺傳算法優(yōu)化控制器參數(shù)的優(yōu)越性。仿真結(jié)果表明，在主蒸汽溫度控制系統(tǒng)中，本文所設(shè)計(jì)的用改進(jìn)的遺傳算法優(yōu)化的 PID控制器比常規(guī)的 PID控制器有更好的控制效果。b5E2RGbCAP關(guān)鍵詞：遺傳算法；主汽溫控制；熱工系統(tǒng)；調(diào)節(jié)器參數(shù)； 參數(shù)優(yōu)化GENETICALGORITHMINTHEMAINSTEAMTEMPERATURECONTROLABSTRACT

p1EanqFDP wIntheprocessofthermodynamicengineeringinpowerplant,themaintaskinmainsteamtemperaturecontrolistocontrolthesuper-heatedsteamtemperaturetosomerequiredrange.Thesuper-heatedsteamtemperatureobjectisamulti-containerelement.Itsdeadlinetimeandtimeconstantisrelativelybig.Ithasmanydisturbances,Itsobjectmodelisnotaccuratelyconfirmable.Itisnoteasytomeasuresteamtemperatureinthesuper-heatedimplement.duetoitsuniquecomplexity,makingthemodeltoobtainacertaindegreeofdifficulty.PIDregulationisthemostimportantthermalsystemcontrolstrategy,whichdirectlyaffecttheunit'ssafety,economicoperation.Adaptivegeneticalgorithmasanintelligentoptimizationalgorithm,whichistheefficientheuristicsolutionspace,ratherthanblindlyexhaustiveorcompletelyrandomsearch,geneticalgorithm,themainsteamtemperaturesystemcontrollerparametersoptimization,experimentsshowthatApplicationofgeneticalgorithmtooptimizetheI/52controllerparameters.Thesimulationresultsshowthatinthemainsteamtemperaturecontrolsystem,designedinthispaperamodifiedgeneticalgorithmtooptimizethePIDcontrollerthantheconventionalPIDcontrollerhasbettercontroleffect.DXDiTa9E3dKeywords:Geneticalgorithms,Mainsteamtemperaturecontrol,Thermalsystem,Regulatorparameters,OptimizationRTCrpUDGiT目 錄前言1第1章主汽溫調(diào)節(jié)系統(tǒng)的控制方案11.1傳統(tǒng)主汽溫調(diào)節(jié)系統(tǒng)11.1.1主汽溫串級(jí)調(diào)節(jié)系統(tǒng)11.1.2采用導(dǎo)前汽溫微分信號(hào)的雙回路汽溫調(diào)節(jié)系統(tǒng)21.2先進(jìn)的主汽溫控制策略3第2章遺傳算法的基礎(chǔ)知識(shí)52.1遺傳算法的概念52.1.1遺傳算法的生物學(xué)原理52.1.2遺傳算法的發(fā)展52.1.3遺傳算法的特點(diǎn)62.1.4遺傳算法的工作原理72.1.5遺傳算法的基本操作82.2遺傳算法的數(shù)學(xué)基礎(chǔ)92.2.1模式的階和模式的定義距 92.2.2模式定理 92.2.3積木塊假設(shè) 102.3基本遺傳算法 (SGA>的組成 102.3.1編碼112.3.2適應(yīng)度函數(shù)122.3.3遺傳算子122.3.4遺傳算法的運(yùn)行參數(shù)142.3.5遺傳算法的收斂性14II/522.4用步驟遺傳算法的應(yīng)152.5基本遺傳算法的不足15第3章改進(jìn)的遺傳算法優(yōu)化PID控制器173.1PID控制器的結(jié)構(gòu)173.2改進(jìn)遺傳算法173.2.1參數(shù)編碼173.2.2初始群體的產(chǎn)生183.2.3確定交叉概率和變異概率193.2.4遺傳算子的改進(jìn)193.3仿真結(jié)果分析20結(jié) 論23謝辭24參考文獻(xiàn)25附 錄27外文資料翻譯 36III/52jLBHrnAILg前 言近二十年來(lái)，火電廠鍋爐機(jī)組越來(lái)越向大容量、高參數(shù)、高效率的方向發(fā)展，對(duì)機(jī)組熱工自動(dòng)控制系統(tǒng)控制品質(zhì)的要求也隨之提高。主蒸汽溫度是一個(gè)很重要的控制參數(shù)，它控制的任務(wù)是維持過(guò)熱器出口蒸汽溫度允許的范圍之內(nèi)，并保護(hù)過(guò)熱器，使其管壁溫度不超過(guò)允許的工作溫度。5PCzV D7HxA目前，在火電廠中，各種類型的 PID 控制器因其結(jié)構(gòu)簡(jiǎn)單、參數(shù)的物理意義明確、易于調(diào)整并且具有一定的魯棒性，在理論上有成熟的穩(wěn)定遺傳算法(Geneticalgorithms簡(jiǎn)稱GA>進(jìn)行路徑規(guī)劃，所謂遺傳算法就是以自然遺傳機(jī)制和自然選擇等生物進(jìn)化理論為基礎(chǔ)，構(gòu)造的一類全局優(yōu)化概率搜索算法。利用選擇、交叉和變異編制控制機(jī)構(gòu)的計(jì)算程序，在某種程度上對(duì)生物進(jìn)化過(guò)程作數(shù)學(xué)方式的模擬，它包含了自然選擇和進(jìn)化的思想,具有很強(qiáng)魯棒性，它是一種多點(diǎn)搜索算法，也是目前機(jī)器人路徑規(guī)劃研究中應(yīng)用較多的一種方法。xHAQX74J0X遺傳算法被提出之后立即受到了各國(guó)學(xué)者的廣泛關(guān)注，有關(guān)遺傳算法的研究成果不斷涌現(xiàn)。遺傳算法被提出之后立即受到了各國(guó)學(xué)者的廣泛關(guān)注，有關(guān)遺傳算法的研究成果不斷涌現(xiàn)。1968年Holland提出了著名的模式(schema>定理奠定了遺傳算法的理論基礎(chǔ)；1975年DeJong首先嘗試將遺傳算法用于函數(shù)優(yōu)化，提出了5個(gè)測(cè)試函數(shù)用以測(cè)試遺傳算法的優(yōu)化性能；1981年Bethke應(yīng)用Walsh函數(shù)分析模式；1983年Wetzel用遺傳算法解決了NP難題，即旅行商問(wèn)題(TSP>；1985年Schaffer利用多種群遺傳算法研究解決了多目標(biāo)優(yōu)化問(wèn)題；1987年Goldberg等人提出了借助共享函數(shù)的小生境遺傳算法。1989年，Goldberg出版專著《GeneticAlgorithminSearch,Optimization,andMachinelearning》對(duì)1/52遺傳算法的研究有非常大的影響。1992年，Michalewicz出版另一部具有極大影響力的著作《GeneticAlgorithm+DataStructure=volutionaryProgramming》。LDAYtRyKfE我國(guó)的遺傳算法的研究，從 20世紀(jì) 90年代以來(lái)一直處于不斷上升的時(shí)期，特別是近年來(lái)，遺傳算法的應(yīng)用在許多領(lǐng)域取得了令人矚目的成果。國(guó)內(nèi)二級(jí)以上學(xué)術(shù)刊物有關(guān)遺傳算法的文章不斷增加。國(guó)內(nèi)很多專家、學(xué)者等在這方面作了大量研究，并取得了很多成果。國(guó)內(nèi)以武漢大學(xué)軟件工程國(guó)家重點(diǎn)實(shí)驗(yàn)室為領(lǐng)先，在他們的并行計(jì)算研究室內(nèi)，進(jìn)化計(jì)算他們稱之為“演化計(jì)算”）成為一個(gè)重要的研究方向，目前已經(jīng)出版了專著，并有許多碩士、博士研究生圍繞進(jìn)化計(jì)算選題。另外，中國(guó)科學(xué)技術(shù)大學(xué)的陳國(guó)良教授等出版了遺傳算法的著作。西安交通大學(xué)以進(jìn)化計(jì)算為主題的研究工作也逐漸活躍起來(lái)，同時(shí)國(guó)內(nèi)相關(guān)書(shū)籍也越來(lái)越多，如武漢大學(xué)劉勇、康力山等與 1995年出版的《非數(shù)值并行計(jì)算 -遺傳算法》；周明、孫樹(shù)棟等于 1996 年出版的《遺傳算法原理及應(yīng)用》； 2002 年王小平、曹立明編寫(xiě)的《遺傳算法 -理論、應(yīng)用與軟件實(shí)現(xiàn)》等等。 Zzz6ZB 2Ltk遺傳算法作為一種全局優(yōu)化算法，得到了越來(lái)越廣的應(yīng)用。近年來(lái)，遺 傳 算 法 在 控 制 上 的 應(yīng) 用 日 益 增 多 。2/52第1章 主汽溫調(diào)節(jié)系統(tǒng)的控制方案1.1傳統(tǒng)主汽溫調(diào)節(jié)系統(tǒng)主蒸汽溫度是一個(gè)很重要的控制參數(shù)，它在控制的任務(wù)是維持過(guò)熱器出口蒸汽溫度在允許的范圍之內(nèi)，并保護(hù)過(guò)熱器，使其管壁溫度不超過(guò)允許的工作溫度。 dvzfvkwMI11.1.1主汽溫串級(jí)調(diào)節(jié)系統(tǒng)目前，電廠采用噴水減溫來(lái)調(diào)節(jié)過(guò)熱汽溫系統(tǒng)的延遲和慣性大，為了改善系統(tǒng)的動(dòng)態(tài)特性，根據(jù)調(diào)節(jié)系統(tǒng)的設(shè)計(jì)原則，引入中間點(diǎn)信號(hào)作為調(diào)節(jié)器的補(bǔ)充信號(hào)，以便快速反映影響過(guò)熱汽溫變化的擾動(dòng)，而最能反映減溫水變化的是減溫器出口的溫度，因此入該點(diǎn)作為輔助被調(diào)量，組成了串級(jí)調(diào)速系統(tǒng)。rqyn14ZNXI過(guò)熱器減溫器過(guò)熱器2θθ1蒸汽Gh1Gh2減溫執(zhí)行器PPID水Wj圖1-1 主汽溫串級(jí)調(diào)節(jié)系統(tǒng)圖1-1為主汽溫串級(jí)調(diào)節(jié)系統(tǒng)，圖中 Gh1和Gh2分別為溫度變送器。為減溫器后汽溫， 為過(guò)熱器出口汽溫。汽溫調(diào)節(jié)對(duì)象由減溫器和過(guò)熱器組成，減溫水流量 為對(duì)象調(diào)節(jié)通道的輸入信號(hào)，過(guò)熱器出口汽溫 為輸出信號(hào)。為了改善調(diào)節(jié)品質(zhì)，系統(tǒng)中采用減溫器出口處汽溫 作為輔助調(diào)節(jié)信號(hào)(稱為導(dǎo)前汽溫信號(hào)>。當(dāng)調(diào)節(jié)機(jī)構(gòu)動(dòng)作(噴水量變化>后，導(dǎo)前汽溫信號(hào)的反應(yīng)顯然要比過(guò)熱器出口的汽溫快很多。EmxvxOtOc o1/52SixE2yXPq5+θθr+12Gc1（s）_Gc2（s）G1(S)G2(S)_Gh1Gh2圖1-2 主汽溫串級(jí)調(diào)節(jié)系統(tǒng)的方框圖串級(jí)調(diào)節(jié)系統(tǒng)的主調(diào)節(jié)器出口的信號(hào)不是直接控制減溫器的調(diào)節(jié)閥，而使作為副調(diào)節(jié)器的可變給定值，與減溫器出口汽溫比較，通過(guò)副調(diào)節(jié)器去控制執(zhí)行器動(dòng)作，以調(diào)節(jié)減溫水量，保證過(guò)熱汽溫基本保持不變。圖1-2 為串級(jí)調(diào)節(jié)系統(tǒng)的方框圖。從圖1-2 的方框圖可以看出，串級(jí)調(diào)節(jié)系統(tǒng)有兩個(gè)閉合的調(diào)節(jié)回路：①由對(duì)象調(diào)節(jié)通道的導(dǎo)前區(qū)

、導(dǎo)前汽溫變送器

、副調(diào)節(jié)器組成的副調(diào)節(jié)回路；②由對(duì)象調(diào)節(jié)通道的惰性區(qū)

、過(guò)熱汽溫變送器

、主調(diào)節(jié)器以及副調(diào)節(jié)回路組成的主回路。串級(jí)調(diào)節(jié)系統(tǒng)之所以能改善系統(tǒng)的調(diào)節(jié)品質(zhì)，主要是由于有一個(gè)快速動(dòng)作的副調(diào)節(jié)回路存在。為了保證快速性，副調(diào)節(jié)回路的調(diào)節(jié)器采用比例(P>或比例微分(PD>調(diào)節(jié)器，使過(guò)熱汽溫基本保持不變，起到了粗調(diào)的作用；為了保證調(diào)節(jié)的準(zhǔn)確性，主調(diào)節(jié)回路的調(diào)節(jié)器采用比例積分 (PI>或比例積分微分 (PID>調(diào)節(jié)器，使過(guò)熱汽溫與設(shè)定值相等，起到了細(xì)調(diào)的作用。 6ewMyirQFL對(duì)于串級(jí)汽溫調(diào)節(jié)系統(tǒng)，無(wú)論擾動(dòng)發(fā)生在副調(diào)節(jié)回路還是發(fā)生在主調(diào)節(jié)回路，都能迅速的做出反應(yīng)，快速消除過(guò)熱汽溫的變化。kavU42VRUs1.1.2采用導(dǎo)前汽溫微分信號(hào)的雙回路汽溫調(diào)節(jié)系統(tǒng)圖1-3所示即為采用導(dǎo)前汽溫微分信號(hào)的汽溫調(diào)節(jié)系統(tǒng)。這個(gè)系統(tǒng)引入了導(dǎo)前汽溫的微分信號(hào)作為調(diào)節(jié)器的補(bǔ)充信號(hào)，以改善調(diào)節(jié)質(zhì)量。因?yàn)楹?的變化趨勢(shì)是一致的，且 比 的反應(yīng)快很多，因此它能迅速地反映 的變化趨勢(shì)。引入了 的微分信號(hào)后，將有助于調(diào)節(jié)器動(dòng)作的快速性。在動(dòng)態(tài)時(shí)，調(diào)節(jié)器將根據(jù) 和 與 給定值之間的差值而動(dòng)作；在靜2/52態(tài)時(shí)， 信號(hào)為零，過(guò)熱汽溫 必然等于給定值。其中 y6v3ALoS 89目前電廠普遍采用上述兩種主汽溫調(diào)節(jié)系統(tǒng)，它們各有特點(diǎn)，比較如下：<1）如果把采用導(dǎo)前汽溫微分信號(hào)的雙回路系統(tǒng)轉(zhuǎn)化為串級(jí)系統(tǒng)來(lái)看待，其等效主、副調(diào)節(jié)器均是比例積分調(diào)節(jié)器，但對(duì)于實(shí)際的串級(jí)調(diào)節(jié)系統(tǒng)，為了提高副回路的快速跟蹤性能，副調(diào)節(jié)器應(yīng)該采用比例或比例微分調(diào)節(jié)器，而主調(diào)節(jié)器則應(yīng)采用比例積分微分調(diào)節(jié)器。因此，采用導(dǎo)前汽溫微分信號(hào)的雙回路系統(tǒng)的副回路，其快速跟蹤和消除干擾的性能不如串級(jí)系統(tǒng)；在主回路中，串級(jí)系統(tǒng)的主調(diào)節(jié)器具有微分作用，故調(diào)節(jié)質(zhì)量比采用導(dǎo)前汽溫微分信號(hào)的雙回路系統(tǒng)好。特別對(duì)于慣性遲延較大的對(duì)象或外擾頻繁的情況下，采用導(dǎo)前汽溫微分信號(hào)的雙回路系統(tǒng)調(diào)節(jié)品質(zhì)不如串級(jí)系統(tǒng)。 M2ub6vSTnP<2）串級(jí)調(diào)節(jié)系統(tǒng)主、副兩個(gè)調(diào)節(jié)回路的工作相對(duì)比較獨(dú)立，因此系統(tǒng)投運(yùn)時(shí)整定、調(diào)試直觀方便。而采用導(dǎo)前汽溫微分信號(hào)的雙回路調(diào)節(jié)系統(tǒng)的兩個(gè)回路在參數(shù)調(diào)整時(shí)相互影響、不易掌握。 0YujCfmUCw通過(guò)上面的比較可以知道，串級(jí)控制系統(tǒng)對(duì)于過(guò)熱汽溫控制系統(tǒng)的控制效果好于導(dǎo)前汽溫微分信號(hào)控制系統(tǒng)。過(guò)熱器減溫器過(guò)熱器2θθ1蒸汽Gh1DGh2減Ω溫執(zhí)行器PI水Wj圖1-3 采用導(dǎo)前汽溫微分信號(hào)的汽溫調(diào)節(jié)系統(tǒng)1.2 先進(jìn)的主汽溫控制策略針對(duì)主汽溫這個(gè)在熱工自動(dòng)調(diào)節(jié)系統(tǒng)中屬于可控性最差的調(diào)節(jié)系統(tǒng) <擾動(dòng)因素多，滯后大），廣大專家和學(xué)者給予了特別的關(guān)注，結(jié)合先進(jìn)控制原理提出了很多新的控制方案，下面簡(jiǎn)要介紹三種：<1）自適應(yīng)度控制器調(diào)節(jié)控制參數(shù)的控制方案

eUts8ZQVRd過(guò)熱自適應(yīng) PID 控制系統(tǒng)，其原理是將系統(tǒng)輸出的微分和偏差引入到自適應(yīng)控制器內(nèi)，通過(guò)預(yù)先設(shè)計(jì)的規(guī)則，調(diào)整 PID 參數(shù)，以適應(yīng)不同工作情況下的控制要求。它的基本控制系統(tǒng)是串級(jí)控制，自3/52GMsIasNXkAsQsAEJkW5T適應(yīng)控制器用來(lái)調(diào)整主調(diào)節(jié)器的參數(shù)。<2）應(yīng)用模糊理論的控制方案模糊自適應(yīng)導(dǎo)前微積分控制系統(tǒng)。該控制系統(tǒng)的原理是在采用導(dǎo)前微分信號(hào)的汽溫調(diào)節(jié)系統(tǒng)的基礎(chǔ)上，將氣溫偏差值及偏差值的微分引入到模糊控制器中，根據(jù)預(yù)先設(shè)計(jì)的規(guī)則，如當(dāng)導(dǎo)前汽溫信號(hào)變化大時(shí)，控制系統(tǒng)應(yīng)施加大的控制作用使控制量回到設(shè)定值等，對(duì)微分器的參數(shù)進(jìn)行在線整定，以 達(dá)到在不同的工作情況下，控制系統(tǒng)的參數(shù)達(dá)到最佳值。<3）應(yīng)用神經(jīng)網(wǎng)絡(luò)的控制方案基于神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)的自適應(yīng)控制系統(tǒng)。將過(guò)熱汽溫設(shè)定值及其偏差引入神經(jīng)網(wǎng)絡(luò)控制器，對(duì)傳統(tǒng) PID 調(diào)節(jié)器進(jìn)行在線補(bǔ)償，以適應(yīng)調(diào)節(jié)對(duì)象動(dòng)態(tài)性的變化。 TIrRGchYzg除啦上面介紹的幾種控制方案，專家和技術(shù)人員還提出了鍋爐過(guò)熱汽溫的預(yù)測(cè)智能控制，基于遺傳算法 PID 參數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)模糊控制系統(tǒng)等方案，仿真研究表明，相比傳統(tǒng)的控制，這些先進(jìn)控制方法的控制效果都有了很大大提高。 7EqZcWLZNX上述的控制方法各有特點(diǎn)，通過(guò)對(duì)各種擾動(dòng)對(duì)過(guò)熱汽溫的深入了解，引入各種先進(jìn)的控制策略和算法到傳統(tǒng)的控制系統(tǒng)中，改善了傳統(tǒng)PID控制系統(tǒng)的性能，或直接用先進(jìn)控制代替?zhèn)鹘y(tǒng)的控制器，都將使得對(duì)熱氣溫這個(gè)大遲延、非線性、干擾多的復(fù)雜被控制對(duì)象的控制品質(zhì)有更大的提高?？傊?，隨著先進(jìn)控制的發(fā)展，在未來(lái)的日子里，對(duì)過(guò)熱汽溫的控制將有更多更好的控制方案。lzq7I Gf02E4/52zvpgeqJ1hk第2章 遺傳算法的基礎(chǔ)知識(shí)2.1遺傳算法的概念2.1.1遺傳算法的生物學(xué)原理遺傳算法是由美國(guó)的J.Holland教授于1975年在他的專著《自然界和人工系統(tǒng)的適應(yīng)性》中首先提出的，它是一類借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法。自然界的生物由簡(jiǎn)單到復(fù)雜、由低級(jí)到高級(jí)、由父代到子代，被稱為生物的遺傳和進(jìn)化。遺傳算法就是模擬上述生物的遺傳和產(chǎn)期的進(jìn)化過(guò)程建立起來(lái)的一種搜索和優(yōu)化算法，它將“優(yōu)勝劣汰，適者生存”的生物進(jìn)化原理引入優(yōu)化參數(shù)形成的編碼串聯(lián)群體中，并且在串聯(lián)群體之間進(jìn)行有組織但又隨機(jī)的信息交換。伴隨著算法的運(yùn)行，優(yōu)良的品質(zhì)被逐漸保留并加以組合，從而不斷產(chǎn)生出更佳的個(gè)體。這一過(guò)程就如生物進(jìn)化那樣，好的特征被不斷地繼承下來(lái)，壞的特征被逐漸淘汰。新一代個(gè)體中包含著上一代個(gè)體的大量信息，又優(yōu)于上一代，從而使整個(gè)群體向前進(jìn)化發(fā)展。對(duì)于遺傳算法，也就是不斷地接近最優(yōu)解。研究遺傳算法的目的主要有兩個(gè)：一是通過(guò)它的研究來(lái)進(jìn)一步解釋自然界的適應(yīng)過(guò)程；二是為了將自然生物系統(tǒng)的重要機(jī)理運(yùn)用到人工系統(tǒng)的設(shè)計(jì)中。NrpoJac3v1遺傳算法本質(zhì)上是對(duì)染色體模式所進(jìn)行的一系列運(yùn)算，即通過(guò)選擇算子將當(dāng)前種群中的優(yōu)良模式遺傳到下一代種群中，利用交叉算子進(jìn)行模式重組，利用變異算子進(jìn)行模式突變。通過(guò)這些遺傳操作，模式逐步向較好的方向進(jìn)化，最終得到問(wèn)題的最優(yōu)解。2.1.2遺傳算法的發(fā)展

1nowfTG4KI遺傳算法簡(jiǎn)稱 GA(Genetic Algorithms> 是最早是由美國(guó) Michigan 大學(xué)JohnH.Holland 教授提出的模擬自然界遺傳機(jī)制和生物進(jìn)化論而成的一種并行隨機(jī)搜索最優(yōu)化方法，其在 1975年出版的專著《 Adaptation inNature andartificial systems》標(biāo)志著遺傳算法的誕生，在 20世紀(jì)70年K.A. DeJong在計(jì)算機(jī)上進(jìn)行了大量的數(shù)值函數(shù)優(yōu)化實(shí)驗(yàn)，建立了 DeJong函數(shù)測(cè)試平臺(tái)。從 20世紀(jì)80年代中期起，遺傳算法和進(jìn)化計(jì)算到達(dá)一個(gè)研究高潮，以遺傳算法和進(jìn)化計(jì)算為主題的國(guó)際學(xué)術(shù)會(huì)議在世界各地定期召開(kāi)。1985 年，第一屆國(guó)際遺傳算法會(huì)議(international5/52V7l4jRB8HsHbmVN777sLconferenceongeneticalgorithms,ICGA>在美國(guó)卡耐基·梅隆大學(xué)召開(kāi)，以后每?jī)赡暾匍_(kāi)一屆。此外，進(jìn)化規(guī)劃年會(huì)(annualconferenceonEvolutionaryprogramming：ACEP>于1992年在美國(guó)的加州召開(kāi)第一屆會(huì)議，以后每隔兩年召開(kāi)一屆,它具有系統(tǒng)優(yōu)化、適應(yīng)和學(xué)習(xí)的高性能計(jì)算和建模方法的研究漸趨成熟；進(jìn)化計(jì)算會(huì)議(IEEEconferenceonevolutionarycomputation>也于1994年開(kāi)始定期召開(kāi)。以及每?jī)赡昱e行一次的遺傳算法基礎(chǔ)FOGA(FoundationsofGeneticAlgorithms>等相關(guān)的國(guó)際會(huì)議還有很多。此外，其他類型的各種會(huì)議，如以遺傳編程、進(jìn)化策略或進(jìn)化編程為主題的研討會(huì)也很頻繁。fjnFLDa5Zo由于遺傳算法的編碼技術(shù)和遺傳操作比較簡(jiǎn)單，優(yōu)化不受限制性條件的約束，能有效的求解組合優(yōu)化問(wèn)題以及其它復(fù)雜非線性問(wèn)題，及其兩個(gè)最顯著特點(diǎn)隱含并行性和全局解空間搜索，從而越來(lái)越得到人們的重視并在全世界范圍內(nèi)掀起了研究和應(yīng)用的熱潮。tfnNhnE6e52.1.3遺傳算法的特點(diǎn)為了解決各種優(yōu)化計(jì)算問(wèn)題，人們提出了各種優(yōu)化算法，如單純形法，梯度法，動(dòng)態(tài)規(guī)劃法，分枝定界法等。而遺傳算法是一類可用于復(fù)雜系統(tǒng)優(yōu)化計(jì)算的魯棒搜索算法，其特點(diǎn)是：①遺傳算法是對(duì)參數(shù)的編碼進(jìn)行操作，而非對(duì)參數(shù)本身；②遺傳算法是從許多點(diǎn)開(kāi)始并行操作，而非局限于一點(diǎn)；③遺傳算法通過(guò)目標(biāo)函數(shù)來(lái)計(jì)算適配值，而不需要其他推導(dǎo)，從而對(duì)問(wèn)題的依賴性較小；④遺傳算法的尋優(yōu)規(guī)則是由概率決定的，而非確定性的；⑤遺傳算法在解空間進(jìn)行高效啟發(fā)式搜索，而非盲目地窮舉或完全隨機(jī)搜索；⑥遺傳算法對(duì)于待尋優(yōu)的函數(shù)基本無(wú)限制，它既不要求函數(shù)連續(xù)，也不要求函數(shù)可微，既可以是數(shù)學(xué)解讀式所表示的顯函數(shù)，又可以是映射矩陣甚至是神經(jīng)網(wǎng)絡(luò)的隱函數(shù)，因而應(yīng)用范圍較廣；⑦遺傳算法具有并行計(jì)算的特點(diǎn)，因而可以通過(guò)大規(guī)模并行計(jì)算來(lái)提高計(jì)算速度；⑧遺傳算法更適合大規(guī)模的復(fù)雜問(wèn)題的優(yōu)化；⑨遺傳算法計(jì)算簡(jiǎn)單，功能強(qiáng)。6/522.1.4遺傳算法的工作原理遺傳算法是將“優(yōu)勝劣汰，適者生存”的生物進(jìn)化原理引入優(yōu)化參數(shù)形成的編碼串群體中，按所選擇的適應(yīng)度函數(shù)并通過(guò)遺傳中的復(fù)制，交叉及變異對(duì)個(gè)體進(jìn)行篩選，使適應(yīng)度高的個(gè)體被保留下來(lái)，組成新的群體，新的群體既繼承了上一代的信息，又優(yōu)于上一代。這樣周而復(fù)始，群體中個(gè)體適應(yīng)度不斷提高，直到滿足一定的條件。其執(zhí)行過(guò)程如下：83lcPA59W9①編碼： GA 在搜索之前先將變量進(jìn)行編碼，形成一個(gè)定長(zhǎng)的字符串。②產(chǎn)生初始群體：隨機(jī)產(chǎn)生 M個(gè)初始字符串，每個(gè)字符串為一個(gè)個(gè)體或者是一個(gè)染色體。 M個(gè)個(gè)體構(gòu)成一個(gè)群體。 GA以這M個(gè)字符串作為初始點(diǎn)開(kāi)始迭代。 mZkklkzaaP③計(jì)算適應(yīng)值：適應(yīng)性函數(shù)表明個(gè)體對(duì)環(huán)境的適應(yīng)能力的強(qiáng)弱，不同的問(wèn)題，適應(yīng)函數(shù)的定義方式也不同。④選擇：一個(gè)群體中同時(shí)有M個(gè)個(gè)體存在，在這些個(gè)體中哪個(gè)被選去繁殖后代，哪個(gè)被淘汰，是根據(jù)它們對(duì)環(huán)境的適應(yīng)能力來(lái)決定的，適應(yīng)性強(qiáng)的個(gè)體有更多的機(jī)會(huì)被保留下來(lái)。 AVktR43bpw⑤交叉：對(duì)于選中的繁殖個(gè)體，按照某種交叉方式交換兩個(gè)字符串相應(yīng)的位段，產(chǎn)生兩個(gè)新的個(gè)體，新的個(gè)體組合其父輩的特性。ORjBnOwcEd⑥變異：變異首先在群體中隨機(jī)選擇一個(gè)個(gè)體，對(duì)選中的個(gè)體以一定的概率隨機(jī)的改變字符串中某個(gè)字符的值。⑦收斂判斷：是否達(dá)到收斂標(biāo)準(zhǔn)，若是，則把適應(yīng)度值好的字符串作為搜索的結(jié)果。否則轉(zhuǎn)入第 <3）步重復(fù)以上過(guò)程。 2MiJTy0dTT⑧編程上機(jī)運(yùn)行：完成上述工作以后，既可以按照演化計(jì)算的算法結(jié)構(gòu)編程來(lái)進(jìn)行問(wèn)題求解。由于遺傳算法的隨機(jī)性和不確定性等特點(diǎn)，通常要運(yùn)行多次才能得到可靠的解。應(yīng)該注意上述各基本步驟是密切相關(guān)的，編碼方案與遺傳算子的設(shè)計(jì)等是同步考慮的，有時(shí)甚至需要上機(jī)運(yùn)行與算法設(shè)計(jì)交替進(jìn)行。2.1.5遺傳算法的基本操作

gIiSpiue7A<1）復(fù)制<ReproductionOperator ）7/52復(fù)制是從一個(gè)舊種群中選擇生命力強(qiáng)的個(gè)體位串產(chǎn)生新種群的過(guò)程。根據(jù)位串的適配值拷貝，也就是指具有高度配值的位串更有可能在下一代中產(chǎn)生一個(gè)或多個(gè)子孫。它模仿了自然現(xiàn)象，應(yīng)用是指具有高度適配值的位串更有可能在下一代中產(chǎn)生一個(gè)或多個(gè)子孫。它模仿了自然現(xiàn)象，應(yīng)用了達(dá)爾文的適者生存理論。復(fù)制操作可以通過(guò)隨機(jī)方法來(lái)實(shí)現(xiàn)。若用計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)，可考慮首先產(chǎn)生 0~1之間均勻分布的隨機(jī)數(shù)，若某串的復(fù)制概率為 40%，則當(dāng)產(chǎn)生的隨機(jī)數(shù)在 0~0.40之間時(shí)，該串被復(fù)制，否則被淘汰。此外，還可以通過(guò)計(jì)算方法實(shí)現(xiàn)，其中較典型的幾種較典型的幾種方法為適應(yīng)度比例法、期望值法、排位次法等。適應(yīng)度比例法較常用。uEh0U1Yfm h<2）交叉<CrossoverOperator ）復(fù)制操作從舊種群中選擇出優(yōu)秀者，但不能創(chuàng)造新的染色體。而交叉模擬了生物進(jìn)化過(guò)程的繁殖現(xiàn)象，通過(guò)兩個(gè)染色體的交換組合，來(lái)產(chǎn)生新的優(yōu)良品種。它的過(guò)程為：在匹配池中任選兩個(gè)染色體，隨機(jī)選擇一點(diǎn)或多點(diǎn)交換位置；交換雙親染色體交換點(diǎn)右邊的部分，即可得到兩個(gè)新染色體數(shù)字串。交換體出現(xiàn)了自然界中信息交換思想。交叉有一點(diǎn)交叉、多點(diǎn)交叉、還有一致交叉、順序交叉和周期交叉和周期交叉。一點(diǎn)交叉是最基本的方法，應(yīng)用較廣。它是指染色體切斷點(diǎn)有一處，例： IAg9qLsgB XA：1011001110→1011000101B ：0010100101→0010101110<3）變異<MutationOperator ）變異運(yùn)算用來(lái)模擬生物在自然的遺傳環(huán)境中由于各種偶然因素引起的基因突變，它以很小的概率隨機(jī)地改變遺傳基因 <表示染色體的符號(hào)的某一位）的值。在染色體以二進(jìn)制編碼的系統(tǒng)中，它隨機(jī)地將染色體的某一個(gè)基因由 1變?yōu)?，或由 0變?yōu)?.若只有選擇和交叉，而沒(méi)有變異，則無(wú)法在初始基因組合以外的空間進(jìn)行搜索，使進(jìn)化過(guò)程在早期就陷入局部解而進(jìn)入終止過(guò)程，從而影響解的質(zhì)量。為了在盡可能大的空間中獲得質(zhì)量較高的優(yōu)化解，必須采用變異操作。 WwghWvVhPE2.2遺傳算法的數(shù)學(xué)基礎(chǔ)2.2.1模式的階和模式的定義距模式是指種群個(gè)體基因串中的相似樣板，它用來(lái)描述基因串中某些8/52特征位相同的結(jié)構(gòu)。在二進(jìn)制編碼中，模式是基于三個(gè)字符集字符串，符號(hào) *代表任意字符，即 0或者1。asfpsfpi4k

(0,1,*>

的模式示例：

10**1定義 1：模式 H 中確定位置的個(gè)數(shù)稱為模式 H的階，記作O(H>。例如 O(10**1>=3 。定義2：模式 H中第一個(gè)確定位置和最后一個(gè)確定位置之間的距離稱為模式 H的定義距，記作 δ(H>。例如δ(10**1>=4 。ooeyYZTjj1模式階用來(lái)反映不同模式間確定性的差異，模式階數(shù)越高，模式的確定性就越高，所匹配的樣本數(shù)就越少。在遺傳操作中，即使階數(shù)相同的模式，也會(huì)有不同的性質(zhì)，而模式的定義距就反映了這種性質(zhì)的差異。BkeGuInkxI2.2.2模式定理模式定理：具有低階、短定義距以及平均適應(yīng)度高于種群平均適應(yīng)度的模式在子代中呈指數(shù)增長(zhǎng)。模式定理保證了較優(yōu)的模式<遺傳算法的較優(yōu)解）的數(shù)目呈指數(shù)增長(zhǎng)，為解釋遺傳算法機(jī)理提供了數(shù)學(xué)基礎(chǔ)。從模式定理可看出，有高平均適應(yīng)度、短定義距、低階的模式，在連續(xù)的后代里獲得至少以指數(shù)增長(zhǎng)的串?dāng)?shù)目，這主要是因?yàn)檫x擇使最好的模式有更多的復(fù)制，交叉算子不容易破壞高頻率出現(xiàn)的、短定義長(zhǎng)的模式，而一般突變概率又相當(dāng)小，因而它對(duì)這些重要的模式幾乎沒(méi)有影響。PgdO0sRlMo2.2.3積木塊假設(shè)在模式定理中所指的具有低階、短定義距以及平均適應(yīng)度高于種群平均適應(yīng)度的模式被定義為積木塊<buildingblock）。它們?cè)谶z傳算法中很重要，早子代中呈指數(shù)增長(zhǎng)，在遺傳操作下相互影響，產(chǎn)生適應(yīng)度更高的個(gè)體，從而找到更優(yōu)的可行解。 3cdXwckm15積木塊假設(shè)：遺傳算法通過(guò)短定義距、低階以及高平均適應(yīng)度的模式<積木塊），在遺傳操作下相互結(jié)合，最終接近全局最優(yōu)解。h8c52WOngM模式定理保證了較優(yōu)模式的樣本數(shù)呈指數(shù)增長(zhǎng)，從而使遺傳算法找到全局最優(yōu)解的可能性存在；而積木塊假設(shè)則指出了在遺傳算子的作用9/52下，能生成全局最優(yōu)解。 v4bdyGious2.3基本遺傳算法 (SGA>的組成遺傳算法被認(rèn)為是對(duì)人類自然演化過(guò)程的模擬。人類的自然演化過(guò)程是進(jìn)化過(guò)程，這種進(jìn)化過(guò)程發(fā)生在染色體上。自然選擇是適應(yīng)度值較好的染色體比那些適應(yīng)度值較差的染色體有更多的繁殖機(jī)會(huì)；變異算子可以使子代染色體不同于父代染色體；通過(guò)兩個(gè)父代染色體的結(jié)合與重組可以產(chǎn)生全新的染色體。染色體的選擇、交叉與變異進(jìn)程是無(wú)記憶的。將這些概念反映在數(shù)學(xué)上就形成了遺傳算法的基礎(chǔ)操作。它的基本流程圖如圖2-1所示。J0bm4qMpJ9由圖2-1可知，遺傳算法是一種群體型操作，該操作以群體中的所有個(gè)體為對(duì)象，選擇(Selection>、交叉(Crossover>、變異(Mutation>是遺傳算法的3個(gè)主要操作算子，它們構(gòu)成了所謂的遺傳操作(GeneticOperation>，使遺傳算法具有了其它傳統(tǒng)方法所沒(méi)有的特性。遺傳算法中包含如下5個(gè)基本要素：<1）參數(shù)編碼；<2）初始群體的設(shè)定；<3）適應(yīng)度函數(shù)的設(shè)計(jì)；<4）遺傳操作設(shè)計(jì)；<5）控制參數(shù)的設(shè)定(主要是群體大小和使用遺傳操作的概率等>。XVauA9grYP10/52開(kāi)始產(chǎn)生初始群體計(jì)算個(gè)體適應(yīng)度選擇交叉變異是否滿足終止條件 ？否是輸出結(jié)果結(jié)束圖2-1 基本遺傳算法流程圖2.3.1編碼用遺傳算法設(shè)計(jì)一個(gè)優(yōu)秀的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，首先是要解決網(wǎng)絡(luò)結(jié)構(gòu)的編碼問(wèn)題；然后才能以選擇、交叉、變異操作得出最優(yōu)結(jié)構(gòu)?；具z傳算法使用固定長(zhǎng)度的二進(jìn)制符號(hào)串來(lái)表示群體中的個(gè)體，其等位基因是由二值符號(hào)集 {0,1} 所組成，編碼包括以下幾個(gè)步驟： bR9C6TJscw(1>據(jù)具體問(wèn)題確定待尋優(yōu)的參數(shù)；(2>對(duì)每個(gè)參數(shù)確定它的變化范圍，并用一個(gè)二進(jìn)制數(shù)來(lái)表示；(3>將所有表示參數(shù)的二進(jìn)制數(shù)串接起來(lái)組成一個(gè)長(zhǎng)的二進(jìn)制串。除了二進(jìn)制編碼之外，還有浮點(diǎn)數(shù)編碼、符號(hào)編碼等方法。所謂浮點(diǎn)數(shù)編碼方法，是指?jìng)€(gè)體的每個(gè)基因值用某一范圍內(nèi)的一個(gè)浮點(diǎn)數(shù)來(lái)表示，個(gè)體的編碼長(zhǎng)度等于其決策變量的個(gè)數(shù)。就二進(jìn)制編碼和浮點(diǎn)數(shù)編碼比較而言，一般二進(jìn)制編碼比浮點(diǎn)數(shù)編碼搜索能力強(qiáng)，但浮點(diǎn)數(shù)編碼11/52pN9LBDdtrd比二進(jìn)制編碼在變異操作上能夠保持更好的種群多樣性。符號(hào)編碼方法很少采用，這里就不再介紹了2.3.2適應(yīng)度函數(shù)在遺傳算法中，以個(gè)體適應(yīng)度的大小來(lái)確定該個(gè)體被遺傳到下一代群體中的概率，因此適應(yīng)度函數(shù)的定義方法對(duì)遺傳算法具有極大的影響。DJ8T7nHuGT在遺傳算法中，目標(biāo)函數(shù)到適應(yīng)度函數(shù)的映射方式需要保證以下兩點(diǎn)：．映射后的適應(yīng)度值是非負(fù)的；．目標(biāo)函數(shù)的優(yōu)化方向應(yīng)對(duì)應(yīng)適應(yīng)度值的增大或減小方向。對(duì)于求最大值的問(wèn)題一般采用如下的適應(yīng)度函數(shù) 和目標(biāo)函數(shù)的映射關(guān)系：(2-1>式中， 可以是一個(gè)輸入?yún)?shù)在理論上的最小值，也可以是到目前所有代中 的最小值，此時(shí) 會(huì)隨著代數(shù)而變化。對(duì)于求最小值的問(wèn)題一般采用如下的適應(yīng)度函數(shù) 和目標(biāo)函數(shù)的映射關(guān)系：(2-2>式中，Cmax 可以是一個(gè)輸入?yún)?shù)在理論上的最大值，也可以是到目前所有代中的最小值，此時(shí)Cmax會(huì)隨著代數(shù)而變化。QF81D7bvUA2.3.3遺傳算子遺傳算法操作包括選擇、交叉和變異三個(gè)基本遺傳算子，綜合考慮三種算子，可以得知它們有如下的特點(diǎn)：．遺傳操作的效果和它們所取的操作概率、編碼方式、群體大小、初始群體以及適應(yīng)度函數(shù)的設(shè)定密切相關(guān)；．它們的操作方式或操作策略隨著具體的求解問(wèn)題的不同而異。選擇算子12/52選擇算子又稱復(fù)制算子 <Reproduction ），是從種群中選擇生命力強(qiáng)的染色體，產(chǎn)生新種群的過(guò)程。常見(jiàn)的有以下幾種方法： 4B7a9QFw9h<1）適應(yīng)度比例選擇方法

(ProportionalModel>

，又稱為輪盤(pán)賭法(RouletteWheel>

或蒙特卡洛

(MonteCarlo>

模型，是目前最常用的選擇方法，具體表達(dá)方法如下：

ix6iFA8xoX(2-3>式中， 為個(gè)體 i被選中的概率， 為個(gè)體體大小。<2）確定式采樣選擇 (DeterministicSampling>

i的適應(yīng)度， M為群，它的基本思想是按照一種確定的方式來(lái)進(jìn)行選擇操作，其具體操作過(guò)程如下：wt6qbkCyDEa、計(jì)算群體中各個(gè)個(gè)體在下一代群體中的期望生存數(shù)目 Ni ：(2-4>b、用 的整數(shù)部分 確定各個(gè)對(duì)應(yīng)個(gè)體在下一代群體中的生存數(shù)目。其中 表示不大于 x的最大的整數(shù)。由該步可以確定出下一代群體中的 個(gè)個(gè)體。 Kp5zH46zRkc、按照 Ni 的小數(shù)部分對(duì)個(gè)體進(jìn)行降序排序，順序取前 個(gè)個(gè)體加入到下一代群 體中。至此可完全確 定出下一代群體中的 M個(gè)個(gè)體。Yl4HdOAA 61<3）排序選擇法 (Rank-basedModel> ，是按個(gè)體的適應(yīng)度的大小排序，然后按事先設(shè)計(jì)的概率表分配給每一個(gè)個(gè)體，作為各自的選擇概率。ch4PJx4BlI交叉算子13/52所謂交叉運(yùn)算，是指對(duì)兩個(gè)相互配 對(duì)的染色體依據(jù)交叉概率 Pc按某種方式相互交換其部分基因，從而形成兩個(gè)新的個(gè)體。交叉運(yùn)算是遺傳算法區(qū)別于其他進(jìn)化算法的重要特征，它在遺傳算法中起關(guān)鍵作用，是產(chǎn)生新個(gè)體的主要方法。 SGA 中交叉算子采用單點(diǎn)交叉算子。qd3YfhxCzo3.變異算子所謂變異運(yùn)算，是指依據(jù)變異概率 Pm將個(gè)體編碼串中的某些基因值用其它基因值來(lái)替換，從而形成一個(gè)新的個(gè)體。遺傳算法中的變異運(yùn)算是產(chǎn)生新個(gè)體的輔助方法，它決定了遺傳算法的局部搜索能力，同時(shí)保持種群的多樣性。交叉運(yùn)算和變異運(yùn)算的相互配合，共同完成對(duì)搜索空間的全局搜索和局部搜索。在遺傳算法中使用變異算子主要有以下兩個(gè)目的： 1>改善遺傳算法的局部搜索能力； 2>維持群體的多樣性，防止出現(xiàn)早熟現(xiàn)象。 E836L11DO52.3.4遺傳算法的運(yùn)行參數(shù)遺傳算法中需要選擇的運(yùn)行參數(shù)主要有個(gè)體編碼串長(zhǎng)度 L、群體大小M、交叉率 Pc、變異率 Pm、終止代數(shù) T等(a>L ：編碼串長(zhǎng)度。(b>M：種群規(guī)模。一般取為 20~100；(c>Pc ：交叉概率。一般取為 0.4~0.99。(d>Pm：變異概率。一般取為 0.0001~0.1(b>T ：遺傳運(yùn)算的終止進(jìn)化代數(shù)。一般取為 100~1000；至于遺傳算法的終止條件，還可以利用某種判定準(zhǔn)則，當(dāng)判定出群體已經(jīng)進(jìn)化成熟且不再有進(jìn)化趨勢(shì)時(shí)就可以終止算法的運(yùn)行過(guò)程。常用的判定準(zhǔn)則有下面兩種： S42ehLvE3M①連續(xù)幾代個(gè)體平均適應(yīng)度的差異小于某一個(gè)極小的閾值；②群體中所有個(gè)體適應(yīng)度的方差小于某一個(gè)極小的閾值。2.3.5遺傳算法的收斂性在遺傳算法的進(jìn)化過(guò)程中，如果把每一代群體看作一個(gè)狀態(tài)的話，則可以把整個(gè)進(jìn)化過(guò)程看作一個(gè)隨機(jī)過(guò)程來(lái)進(jìn)行考查，并可以用Markov 鏈來(lái)對(duì)進(jìn)化過(guò)程進(jìn)行理論分析，從而得到遺傳算法收斂性方面14/52的重要結(jié)論：<1）基本遺傳算法收斂于最優(yōu)解的概率小于1；<2）使用保留的最佳個(gè)體策略的遺傳算法能收斂于最優(yōu)解的概率為1；采用有限Markov鏈模型上述原理可以被證明。501nNvZFis2.4用步驟遺傳算法的應(yīng)對(duì)于一個(gè)需要進(jìn)行優(yōu)化的實(shí)際問(wèn)題，一般可按下述步驟構(gòu)造遺傳算法：第一步：確定決策變量及各種約束條件，即確定出個(gè)體的表現(xiàn)型 X和問(wèn)題的解空間；第二步：建立優(yōu)化模型，即確定出目標(biāo)函數(shù)的類型及數(shù)學(xué)描述形式或量化方法；第三步：確定表示可行解的染色體編碼方法，即確定出個(gè)體的基因型x及遺傳算法的搜索空間；第四步：確定解碼方法，即確定出由個(gè)體基因型 x到個(gè)體表現(xiàn)型 X的對(duì)應(yīng)關(guān)系或轉(zhuǎn)換方法；第五步：確定個(gè)體適應(yīng)度的量化評(píng)價(jià)方法，即確定出由目標(biāo)函數(shù)值到個(gè)體適應(yīng)度 F(x>的轉(zhuǎn)換規(guī)則；第六步：設(shè)計(jì)遺傳算子，即確定選擇運(yùn)算、交叉運(yùn)算、變異運(yùn)算等遺傳算子的具體操作方法。第七步：確定遺傳算法的有關(guān)運(yùn)行參數(shù)，即 M,G,Pc,Pm 等參數(shù)。2.5基本遺傳算法的不足SGA 是早期的遺傳算法，求解效率還不高，也就是在搜索的快速性、全局性方面還不能達(dá)到較好的效果，可從如下幾方面分析：早期收斂

jW1viftGw9遺傳算法的過(guò)早收斂 ,是我們?cè)谟眠z傳算法求解問(wèn)題時(shí)，經(jīng)常遇到的現(xiàn)象。標(biāo)準(zhǔn)遺傳算法不能收斂至全局最優(yōu)解，一些改進(jìn)的遺傳算法雖能收斂到全局最優(yōu)解，但所需時(shí)間很長(zhǎng)，如何有效的防止遺傳算法過(guò)早收斂，而又有較快的求解速度，是有效的使用遺傳算法所應(yīng)達(dá)到的兩個(gè)目標(biāo) 。xS0DOYW HLP一般說(shuō)來(lái),遺傳算法的過(guò)早收斂是由于群體的多樣性過(guò)低 ，次優(yōu)個(gè)體過(guò)早的控制了整個(gè)群體，新生的個(gè)體存活率低，這樣以來(lái) ,反復(fù)在次優(yōu)個(gè)體的鄰域內(nèi)搜索，從而最終找不到全局最優(yōu)解，而群體的多樣性又跟選擇15/52壓力有很大的關(guān)系，選擇壓力過(guò)大 ,群體群體內(nèi)重復(fù)的個(gè)體增多 ,群體的多樣性就會(huì)降低 ,但選擇壓力過(guò)小，雖然群體的多樣性高，但不能傾向于適應(yīng)度較好的個(gè)體，這時(shí)算法搜索效率極低，近似于盲目搜索。所以應(yīng)使選擇壓力和群體的多樣性保持一定的平衡。變異問(wèn)題

LOZMkIqI 0w變異雖然可以使陷入某一超平面的個(gè)體得以解脫，但由于是隨機(jī)的，不能有效地保證這一問(wèn)題的解決。微調(diào)能力差當(dāng)搜索到最優(yōu)解附近時(shí)，很難精確地確定最優(yōu)解的位置，也就是說(shuō)，局部搜索不具備微調(diào)能力。4.GA參數(shù)的選擇問(wèn)題如何選取 GA的參數(shù)，如種群規(guī)模 N、位串長(zhǎng)度 L等，目前還靠經(jīng)驗(yàn)來(lái)確定。5.模式<Schema）定理是 SGA的理論基礎(chǔ)，但只適用于 {0,1}二值編碼 。16/52第3章 改進(jìn)的遺傳算法優(yōu)化 PID控制器3.1PID控制器的結(jié)構(gòu)本文采用經(jīng)典增量式數(shù)字 PID 的控制算法，控制器每個(gè)采樣周期輸出的控制量，是相對(duì)于上一次控制量的增加<3-4）<3-5）式中， ， ， 分別為比例、積分、微分系數(shù)。增量式數(shù)字 PID的優(yōu)點(diǎn)：．增量的確定僅與最近幾次誤差采樣值有關(guān)，不會(huì)產(chǎn)生大的累加誤差；計(jì)算誤差或計(jì)算精度問(wèn)題，對(duì)控制量的計(jì)算影響較小。 ZKZUQsUJ ed．得出的是控制量的增量，誤動(dòng)作影響小，必要時(shí)可以通過(guò)邏輯判斷限制或禁止本次輸出，不會(huì)嚴(yán)重影響系統(tǒng)的工作。3．容易實(shí)現(xiàn)手動(dòng)到自動(dòng)的無(wú)沖擊切換。

dGY2mcoKtT3.2改進(jìn)遺傳算法3.2.1參數(shù)編碼Srinvivas 等人提出自適應(yīng)遺傳算法，即 Pc和Pm能夠隨適應(yīng)度自動(dòng)改變，當(dāng)種群的各個(gè)個(gè)體適應(yīng)度趨于一致或趨于局部最優(yōu)時(shí)，使二者增加，而當(dāng)種群適應(yīng)度比較分散時(shí)，使二者減小，同時(shí)對(duì)適應(yīng)值高于群體平均適應(yīng)值的個(gè)體，采用較低的 PC和Pm，使性能優(yōu)良的個(gè)體進(jìn)入下一代，而低于平均適應(yīng)值的個(gè)體，采用較高的 PC和Pm，使性能較差的個(gè)體被淘汰。 rCYbSWRLIA本文將采用二進(jìn)制編碼，因?yàn)槎M(jìn)制編碼最易于實(shí)現(xiàn)遺傳操作。采用“串聯(lián)二進(jìn)制編碼”法，將這優(yōu)化的參數(shù)排成一排，作為一個(gè)個(gè)體。用二進(jìn)制編碼的基因與實(shí)際的參數(shù)值有以下的對(duì)應(yīng)關(guān)系：(3-1>其中， 為待優(yōu)化的參數(shù)的實(shí)際范圍； n為各個(gè)參數(shù)所對(duì)應(yīng)的基因編碼的長(zhǎng)度； y為二進(jìn)制基因所對(duì)應(yīng)的十進(jìn)制數(shù)值。 FyXjoFlMWh17/523.2.2初始群體的產(chǎn)生為了增加初始群體的多樣性，有效地避免早熟現(xiàn)象地發(fā)生，引入了相似度的概念 <兩個(gè)個(gè)體中在相對(duì)應(yīng)的位置上存在著相同的字符 <基因）的數(shù)量定義為相似度 R）。先隨機(jī)生成一個(gè)較大的群體，在群體中取大于適應(yīng)度平均值的個(gè)體進(jìn)行相似度判斷，當(dāng)相似度 R超過(guò)個(gè)體長(zhǎng)度的一半時(shí)，即認(rèn)為這兩個(gè)個(gè)體相似，然后濾除兩者中適應(yīng)度小的那個(gè)個(gè)體。TuWrUpPObX初始化 ， 確定 SIZE , Size隨機(jī)產(chǎn)生一個(gè)較大的種群 SIZE適應(yīng)度算 ，按從小到大排序 ，計(jì)算平均適應(yīng)度取適應(yīng)度大于平均適應(yīng)度的個(gè)體進(jìn)行相似度比較 ，剔除相似個(gè)體中適應(yīng)度較小的個(gè)體剔除后的個(gè)體作為初始種群的一剔除后，剩余個(gè)體數(shù)大于等于部分，把剔除掉的個(gè)體選適應(yīng)度Size？N大的去補(bǔ)充初始種群的不足Y從中選擇適應(yīng)度較大的Size個(gè)個(gè)體組成初始種群初始種群 （ 規(guī)模為 Size ）結(jié) 束圖2-2產(chǎn)生初試群體的程序流程圖相似度的判斷實(shí)際上是確定群體中的個(gè)體是否含有相同模式，剔除相似個(gè)體，選擇不同模式的個(gè)體組成新的群體，將這個(gè)新的群體作為遺傳操作的初始群體。在濾除相似個(gè)體后，當(dāng)剩余的個(gè)體數(shù)達(dá)不到設(shè)定的初始群體規(guī)模 Size時(shí)，將濾除掉的個(gè)體按照適應(yīng)小排序，選取適應(yīng)度大的一些個(gè)體來(lái)補(bǔ)充初始群體的不足。產(chǎn)生初試群體的程序流程圖如 2-2所示。7qWAq9jPqE18/523.2.3確定交叉概率和變異概率本文采用了一種動(dòng)態(tài)確定交叉概率和變異概率的方法。交叉概率為：<3-2）變異概率為：<3-3）其中， 為最大適應(yīng)度函數(shù)值， 為平均適應(yīng)度函數(shù)值，為交叉?zhèn)€體中適應(yīng)度函數(shù)值較大的個(gè)體的適應(yīng)度函數(shù)值；為變異個(gè)體的適應(yīng)度函數(shù)值。llVIWTNQFk由上式可以看出，適應(yīng)度函數(shù)值最大的個(gè)體的變異概率為0。這樣的話，對(duì)于適應(yīng)度函數(shù)值較大的個(gè)體的交叉和變異概率都較小，這樣就保護(hù)了優(yōu)良個(gè)體；對(duì)于適應(yīng)度函數(shù)值較小的個(gè)體的交叉和變異概率較大。yhUQs DgRT13.2.4遺傳算子的改進(jìn)下面根據(jù)優(yōu)化設(shè)計(jì)要求，設(shè)計(jì)優(yōu)化過(guò)程中的各個(gè)遺傳算子，包括：選擇算子、交叉算子和變異算子。選擇算子：選擇算子是遺傳算法用來(lái)對(duì)群體中個(gè)體進(jìn)行優(yōu)勝劣汰的操作。遺傳算法通過(guò)選擇算子確定如何將父代群體中的個(gè)體遺傳到下一代群體中去。選擇算子是建立在對(duì)個(gè)體適應(yīng)度評(píng)價(jià)的基礎(chǔ)上，通過(guò)選擇可以避免基因缺失，并提高全局收斂性和計(jì)算效率。 MdUZYnKS8I常用的選擇算子有多種，但對(duì)于不同的問(wèn)題應(yīng)選用一種甚至兩種最合適的選擇算子。在用遺傳算法優(yōu)化群體的過(guò)程中，通過(guò)對(duì)個(gè)體進(jìn)行交叉、變異等遺傳操作而不斷產(chǎn)生出新的個(gè)體。雖然隨著群體的進(jìn)化過(guò)程19/52GXRw1kFW5ss1SovAcVQMe5TfZQIUB509T7t6eTno會(huì)產(chǎn)生出越來(lái)越多的優(yōu)良個(gè)體，但由于選擇、交叉和變異等操作的隨機(jī)性，它們也有可能會(huì)破壞掉當(dāng)前群體中適應(yīng)度最高的個(gè)體，這將會(huì)降低群體的平均適應(yīng)度，并且對(duì)遺傳算法的運(yùn)行效率、收斂性都有不利的影響。所以，我們希望適應(yīng)度最好的個(gè)體要盡可能的被保留到下一代中。為達(dá)到這個(gè)目的，可以使用最佳個(gè)體保留法來(lái)進(jìn)行優(yōu)勝劣汰操作，即當(dāng)前群體中適應(yīng)度最高的個(gè)體不參與交叉和變異運(yùn)算。一般認(rèn)為，帶有選擇、交叉和變異算子的標(biāo)準(zhǔn)遺傳算法是不收斂的，而在標(biāo)準(zhǔn)遺傳算法基礎(chǔ)上具有最優(yōu)保留特性的改進(jìn)遺傳算法則是全局收斂的。這里選用的選擇算子是確定式采樣選擇法和最佳個(gè)體保留法相結(jié)合的選擇方式。首先按確定式采樣選擇法執(zhí)行遺傳算法的選擇操作，然后將當(dāng)前群體中適應(yīng)度最高的個(gè)體結(jié)構(gòu)完整地復(fù)制到下一代群體中。通過(guò)最優(yōu)保留操作來(lái)保留進(jìn)化群體中迄今為止所發(fā)現(xiàn)的最優(yōu)解。最佳個(gè)體保留法是指群體中適應(yīng)度最大的個(gè)體不經(jīng)變異、交叉算子的處理而直接復(fù)制到下一代群體的選擇方法。Rudolph曾用齊次Markov鏈證明了使用保留最佳個(gè)體策略的遺傳算法能夠收斂于全局最優(yōu)解的概率為1。采用最佳個(gè)體保留法的主要優(yōu)點(diǎn)是能保證遺傳算法終止時(shí)得到的最后結(jié)果是歷代出現(xiàn)過(guò)的適應(yīng)度最高的個(gè)體。本文的交叉算子采用的是單點(diǎn)交叉。因?yàn)楸疚牟捎玫氖嵌M(jìn)制編碼，變異操作就是某個(gè)基因座上的基因值取反。3.3仿真結(jié)果分析在圖3-1中，曲線是采用改進(jìn)后的遺傳算法優(yōu)化后的PID串級(jí)控制系統(tǒng)的相應(yīng)曲線，這里取為：副調(diào)節(jié)器為比例調(diào)節(jié)器，Kp＝15優(yōu)化后的PID的參數(shù)為：Kp＝0.1584，Ki＝0.0220，Kd＝0。UTREx49Xj9由于采用二進(jìn)制編碼，每個(gè)參數(shù)選擇的編碼長(zhǎng)度為10位，若三個(gè)參數(shù)都優(yōu)化，運(yùn)行時(shí)間太長(zhǎng)，為了加快運(yùn)行效率，這里只優(yōu)化Kp,Ki兩個(gè)參數(shù)，讓Kd=0。8PQN3NDYyP20/52圖3-1 用改進(jìn)后的遺傳算法優(yōu)化前后 PID 串級(jí)控制系統(tǒng)的響應(yīng)曲線從圖3-1中可以看出，系統(tǒng)的響應(yīng)速度加快，系統(tǒng)穩(wěn)態(tài)誤差減小，減小了系統(tǒng)的振蕩次數(shù)，使系統(tǒng)很快趨于穩(wěn)定。說(shuō)明用遺傳算法優(yōu)化后的PID控制器控制效果好，說(shuō)明改進(jìn)后的遺傳算法起到了主要作用，證明了遺傳算法的有效性。 mLPVzx7ZNw個(gè)體評(píng)價(jià)方法：由于所求解的函數(shù)的值域總是非負(fù)的，并且優(yōu)化目標(biāo)是求目標(biāo)函數(shù)的最小值，故可將個(gè)體的適應(yīng)度直接取為對(duì)應(yīng)的目標(biāo)函數(shù)值，即：F(x>=f(x1,x2> ，將目標(biāo)函數(shù)的倒數(shù)作為適應(yīng)度函數(shù)：AHP35hB02d圖3-2為采用改進(jìn)遺傳算法后目標(biāo)函數(shù) J的收斂曲線21/52圖3-2 采用改進(jìn)遺傳算法后目標(biāo)函數(shù) J的收斂曲線從圖3-2可以看出，收斂曲線很快達(dá)到一個(gè)穩(wěn)定的狀態(tài)，說(shuō)明改進(jìn)后的 遺 傳 算 法 有 很 好 的 尋 優(yōu) 效 率 。22/52結(jié) 論本文介紹了遺傳算法基本概念和基本理論，對(duì)基本遺傳算法進(jìn)行了改進(jìn)，改進(jìn)主要集中在初試群體的產(chǎn)生、交叉概率與變異概率的確定等方面。NDOcB141gT對(duì)于主汽溫這樣的大慣性、大遲延、具有時(shí)變性、現(xiàn)場(chǎng)存在諸多干擾因素的被控對(duì)象，本文采用改進(jìn)的遺傳算法優(yōu)化 PID 控制器，仿真研究表明，與傳統(tǒng) PID控制器相比，用改進(jìn)的遺傳算法優(yōu)化后的 PID控制器用于主汽溫控制時(shí)具有更優(yōu)的控制性能和更為滿意的控制效果，這也為主汽溫的控制提供了一種更有效的控制方式。 1zOk7Ly2vA由于時(shí)間倉(cāng)促和本文作者水平有限，本文存在著很多的不足之處，有待今后做進(jìn)一步研究完善，例如，怎樣確定遺傳算法的運(yùn)行參數(shù)，即編碼長(zhǎng)度，初始群體的大小，終止進(jìn)化的代數(shù)等，本文是在仿真過(guò)程中反復(fù)調(diào)整確定的，帶有一定的盲目性，另外，還需要對(duì)遺傳算法的其它方面做進(jìn)一 步 的 改 進(jìn) 。 fuNsDv23Kh23/52謝辭經(jīng)過(guò)幾個(gè)月的努力奮斗，由于之前經(jīng)驗(yàn)的匱乏，難免有許多考慮周全嚴(yán)禁的地方，如果沒(méi)有 @@老師的耐心的指導(dǎo)，以及同學(xué)們的幫助和支持，想要完成這個(gè)設(shè)計(jì)是非常困難的。 tqMB9ew4Y X在寫(xiě)論文的過(guò)程中，得到了 @@老師耐心的指導(dǎo)，認(rèn)真負(fù)責(zé)的監(jiān)督。從課題的選擇到資料的搜集整理以及論文的最終完成， @老師都始終給予我細(xì)心的指導(dǎo)和不懈的支持。她嚴(yán)肅的科學(xué)態(tài)度，嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神，精益求精的工作作風(fēng)，深深地感染和激勵(lì)著我。除了敬佩王老師的專業(yè)水平外，她治學(xué)嚴(yán)謹(jǐn)和科學(xué)研究的精神也是值的我永遠(yuǎn)學(xué)習(xí)，并將積極影響我今后的學(xué)習(xí)和工作。在此謹(jǐn)向王老師致以崇高的敬意和衷心的感謝！HmMJFY05dE大學(xué)三年來(lái)，我們能無(wú)憂無(wú)慮地學(xué)習(xí)生活，背后都是有父母的支持和鼓勵(lì)，所以我們更要感謝我們的父母，為了我們他們操碎了心。最后感謝帶領(lǐng)我們?cè)谥R(shí)海洋里遨游的老師們和無(wú)時(shí)無(wú)刻關(guān)心我的父母。ViLRaIt6sk24/52參考文獻(xiàn)馬平,朱燕飛,牛征.基于神經(jīng)網(wǎng)絡(luò)的主汽溫控制系統(tǒng).華北電力大學(xué)學(xué)報(bào),2001李敏強(qiáng)，寇紀(jì)淞，林丹等.遺傳算法的基本理論與應(yīng)用.北京：科學(xué)技術(shù)出版社，2002羅萬(wàn)金.電廠熱工過(guò)程自動(dòng)調(diào)節(jié).北京：中國(guó)電力出版社.1991于湘濤，劉紅軍，丁俊宏等.二自由度PID內(nèi)模主汽溫控制.華北電力大學(xué)學(xué)報(bào),2004飛思科技產(chǎn)品研發(fā)中心.MATLAB輔助優(yōu)化計(jì)算與設(shè)計(jì).北京：電子工業(yè)出版社，2003王小平，曹立明.遺傳算法：理論、應(yīng)用及軟件實(shí)現(xiàn).西安：西安交通大學(xué)出版社，2002張恩勤.模糊控制與PID控制方法的比較.上海交通大學(xué)學(xué)報(bào),1999聞新超，周琳霞.一種基于混合編碼的遺傳算法.電子技術(shù)，2003史奎凡，陳月輝.提高遺傳算法收斂速度的方法.信息與控制，1998周金榮.遺傳算法的改進(jìn)及其應(yīng)用研究、控制與決策，1995張晶濤,王偉,曹方.一種智能控制方法在300MW機(jī)組主汽溫控制系統(tǒng)中的應(yīng)用研究.中國(guó)電機(jī)工程學(xué)報(bào),19999eK0GsX7H1甘世紅,褚建新,顧偉.基于遺傳算法的模糊控制在電弧冶煉爐中的應(yīng)用.電機(jī)與控制學(xué)報(bào),2004[13]楊獻(xiàn)勇.熱工過(guò)程自動(dòng)控制.北京：清華大學(xué)出版社，2001，187～192胡國(guó)四，韓生廉.遺傳算法適值函數(shù)定義方法的研究.控制與決策，1999劉金琨.先進(jìn)PID控制及其MATLAB仿真.北京：電子工業(yè)出版社，2006陳國(guó)良，孫樹(shù)棟.遺傳算法原理及應(yīng)用.北京：國(guó)防工業(yè)出版社，1999胡壽松.自動(dòng)控制原理第4版.北京：科學(xué)出版社，2001樓順天，胡昌華，張偉等.基于MATLAB的系統(tǒng)分析與設(shè)計(jì)一模糊控制.西安:西安電子科技大學(xué)出版社,2001naK8ccr8VI25/52陳國(guó)良，王煦法，莊鎮(zhèn)泉等.遺傳算法及其應(yīng)用.北京：人民郵電出版社，1996邵裕森.過(guò)程控制及儀表<修訂版）.上海：上海交通大學(xué)出版社，2007陶永華，尹怡欣，葛蘆生.新型PID控制系統(tǒng)及其應(yīng)用.北京:機(jī)械工業(yè)出版社，1998黃文梅，楊勇，熊桂林.系統(tǒng)分析與仿真-MATLAB語(yǔ)言應(yīng)用.長(zhǎng)沙：國(guó)防科技大學(xué)出版社， 1999B6JgIVV9ao王群主編.電氣信息類專業(yè)英語(yǔ).長(zhǎng)沙：湖南大學(xué)出版社，2004薛定宇著控制系統(tǒng)計(jì)算機(jī)輔助設(shè)計(jì):MATLAB語(yǔ)言與應(yīng)用<第2版）.北京：清華大學(xué)出版社， 2006P2IpeFpap5徐安主編.微型計(jì)算機(jī)控制技術(shù).北京：科學(xué)出版社，2004[26] 宋曉燕，馬德庫(kù)，冬健峰等 .過(guò)熱蒸汽溫度的自動(dòng)調(diào)節(jié) .自動(dòng)化技術(shù)與 應(yīng)26/52附 錄改進(jìn)的遺傳算法源程序%二進(jìn)制編碼遺傳優(yōu)化 PID參數(shù)clearall。closeall。clc。globalrinyouttimefu1G=100。Size=30。CodeL=10。MinX(1>=0 。MaxX(1>=0.4 。MinX(2>=0 。MaxX(2>=0.04 。%用于增量式 PID的優(yōu)化的參數(shù)范圍%MaxX(2>=0.004 。E=round(rand(Size,2*CodeL>> 。%編碼初始化%************* 開(kāi)始運(yùn)行************forkg=1:1:Gtime(kg>=kgfors=1:1:Sizem=E(s,:> 。BSJ=0 。y1=0 。y2=0。m1=m(1:1:CodeL> 。fori=1:1:CodeLy1=y1+m1(i>*2^(CodeL-i> 。endKpid(s,1>=(MaxX(1>-MinX(1>>*y1/1023+MinX(1> 。m2=m(CodeL+1:1:2*CodeL> 。fori=1:1:CodeLy2=y2+m2(i>*2^(CodeL-i> 。27/52endKpid(s,2>=(MaxX(2>-MinX(2>>*y2/1023+MinX(2> 。%********** 步驟1：計(jì)算目標(biāo)函數(shù) *************Kpidi=Kpid(s,:> 。[Kpidi,BSJ]=ycpidcs3(Kpidi,BSJ> 。BSJi(s>=BSJ 。end[OderJi,IndexJi]=sort(BSJi> 。BestJ(kg>=OderJi(1> 。BJ=BestJ(kg> 。Ji=BSJi+1e-10 。%防止除以零fi=1./Ji

。[Oderfi,Indexfi]=sort(fi>

。%將

fi

從小到大排列Bestfi=Oderfi(Size> 。%讓BestS=E(Indexfi(Size>,:>

Bestfi=max(fi> 。。%讓 BestS=E(m>,m

是

max(fi>

的Indexfi 3YIxKpSc DM%kg%BJ%BestS%************ 步驟2：選擇和復(fù)制操作 *********fi_sum=sum(fi> 。fi_Size=(Oderfi/fi_sum>*Size 。fi_S=floor(fi_Size> 。r=Size-sum(fi_S> 。Rest=fi_Size-fi_S 。[RestValue,Index]=sort(Rest> 。保證總個(gè)體數(shù)為Sizefori=Size:-1:Size-r+1fi_S(Index(i>>=fi_S(Index(i>>+1 。endkk=0。28/52fori=Size:-1:1forj=1:1:fi_S(i>kk=kk+1 。TempE(kk,:>=E(Indexfi(i>,:> 。endend%************ 步驟3：交叉處理 **************采用自適應(yīng)交叉概率％％％％％計(jì)算適應(yīng)度函數(shù)最大值和平均適應(yīng)度值fmax=Bestfi 。favg=sum(fi>/Size 。％％％％％％％％％％％％％％％％％％％％％n=ceil(2*CodeL*rand> 。fori=1:2:(Size-1>％％％％％％找出交叉?zhèn)€體的適應(yīng)度較大值iffi(i>>fi(i+1>f=fi(i> 。elsef=fi(i+1> 。end%％％％％％％％％計(jì)算交叉概率的公式 ,個(gè)體適應(yīng)度大于平均適應(yīng)度的，隨適應(yīng)度的增大， pc減小if(fmax-f><(fmax-favg>pc=0.9*(fmax-f>/(fmax-favg> 。elsepc=0.9 。endifkg>0.8*Gpc=pc-0.03 。%接近收斂時(shí)，減小交叉概率endtemp=rand 。29/52ifpc>tempforj=n:1:2*CodeLTempE(i,j>=E(i+1,j> 。TempE(i+1,j>=E(i,j> 。endendendTempE(Size,:>=BestS 。E=TempE 。%*********** 步驟4：變異操作 ***********Pm=0.1-[1:1:Size]*(0.01>/Size。%fi越大，Pm越小fori=1:1:Sizeforj=1:1:2*CodeLtemp=rand 。ifPm>tempifTempE(i,j>==0TempE(i,j>=1 。elseTempE(i,j>=0 。endendendend保證最好的個(gè)體留下TempE(Size,:>=BestS 。E=TempE。%***********************************************endBestfiBestSKpidi30/52Best_J=BestJ(G>figure(1> 。plot(time,BestJ> 。xlabel('Times'> 。ylabel('BestJ'> 。figure(2> 。plot(timef,10*rin,'r',timef,yout,'b'> 。xlabel('Time(s>'>

。ylabel('rin,yout'>

。figure(3>

。plot(timef,u1>

。xlabel('Time(s>'>

。ylabel('u1'>

。%***************

返回

PID

控制器的參數(shù)

**********%初始群體的產(chǎn)生%在群體中取大于適應(yīng)度平均值的個(gè)體進(jìn)行相似度判斷，%當(dāng)相似度 R超過(guò)個(gè)體長(zhǎng)度的一半時(shí)，即認(rèn)為這兩個(gè)個(gè)體相似。%相似度的判斷實(shí)際上是確定群體中個(gè)體是否含有相同模式，剔除相似個(gè)體，選擇不同模式的個(gè)體組成新的群體。functionE=popf(SIZE,CodeL,Size>e=round(rand(SIZE,2*CodeL>> 。%編碼初始化fors=1:1:SIZEm=e(s,:>

。BSJ=0

。Kpidi=dcodef(m,CodeL>

。[Kpidi,BSJ]=ycpidcs3(Kpidi,BSJ>

。%調(diào)用

cjcsf.m

函數(shù)，該函數(shù)通過(guò)計(jì)算串級(jí)控制系統(tǒng)的輸出來(lái)計(jì)算目標(biāo)函數(shù)BSJI(s>=BSJ 。

gUHFg9m

dSsendfi=1./BSJI 。%由目標(biāo)函數(shù)到適應(yīng)度函數(shù)的轉(zhuǎn)換[Oderfi,Indexfi]=sort(fi> 。%將fi從小到大排列fi_sum=sum(fi> 。f_avg=fi_sum/SIZE 。gg=0。%適應(yīng)度大于平均適應(yīng)度的個(gè)體的數(shù)目31/52fori=SIZE:-1:1ifOderfi(i>>f_avggg=gg+1 。elsebreakendend%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% uQHOMTQe79kk=0。%大于平均適應(yīng)度的個(gè)體保留下來(lái)的數(shù)目dd=0。%濾除掉的個(gè)體數(shù)for i=SIZE-gg+1:1:SIZE-1% 大于平均適應(yīng)度的個(gè)體在

sort(fi>

中的序號(hào)biaozhi=0 。forj=i+1:1:SIZEpp=0 。%pp是兩個(gè)個(gè)體的相似度f(wàn)org=1:1:2*CodeLife(Indexfi(i>,g>==e(Indexfi(j>,g>pp=pp+1 。endendifpp>=0.6*(12*CodeL>biaozhi=1 。%相似dd=dd+1 。del(dd,:>=e(Indexfi(i>,:> 。%濾除掉的個(gè)體的序號(hào)，個(gè)體為e(Indexfi(i>,:> IMGWiDkflPbreakendendif biaozhi==0%i 中的個(gè)體和 j中的已經(jīng)有相似的了，則跳出 i循32/52環(huán)kk=kk+1 。remain(kk,:>=e(Indexfi(i>,:> 。%保留下來(lái)的個(gè)體endend%適應(yīng)度最大的個(gè)體不用進(jìn)行適應(yīng)度判斷，肯定留下kk=kk+1 。remain(kk,:>=e(Indexfi(SIZE>,:> 。%適應(yīng)度最大的個(gè)體%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

WHF4Om OgAws=0。if(SIZE-gg+kk>>=Size%濾除后的總個(gè)體數(shù)足夠時(shí)fori=1:1:kks=s+1 。E(s,:>=remain(i,:> 。endfori=(SIZE-gg>:-1:((SIZE-gg+1>-(Size-kk>>s=s+1 。E(s,:>=e(Indexfi(i>,:> 。endelse%濾除后的個(gè)體總數(shù)不夠時(shí)fori=1:1:kks=s+1 。E(s,:>=remain(i,:> 。endfori=1:1:(SIZE-gg>%把適應(yīng)度小于平均適應(yīng)度的全部復(fù)制s=s+1。E(s,:>=e(Indexfi(i>,:> 。endfori=dd:-1:(dd+1-(Size-(SIZE-gg+kk>>>33/52s=s+1 。E(s,:>=del(i,:> 。%按照刪除掉的個(gè)體的適應(yīng)度大小，依次補(bǔ)充不足的個(gè)體數(shù)endend34/52外文資料翻譯TellthetimeasystemdesignaccordingtotheautooflistslicemachineaDFdk6hhPdAbstract：Especiallyappearandlivethechangeofbringingtherootformankindwiththelargescaleintegrationalongwiththequickdevelopmentofelectronicstechnique.Fromitislistslicethemachineistechnicalofappliedtheproducthasalreadywalkedintothousand10000.Theemergenceoftheelectronicstenthousandcalendarsbringspeople'slifeofmanyconveniences.AutomaticallytellthetimethesystemisusedofthesinglesliceofmachinechipisAT89C51chipses,inadditionstillinclude:DS1302chips,crystalflapelectriccircuitandresettheelectriccircuitcomposinglistslicemachine'sleastapplicationsystem,thereisalsoindependenttypekeyelectriccircuit,thedynamicstateshowsanelectriccircuitetc..Itnotonlycancarryoutvariousfunctionofnumberelectronicsclock,ifhavetocompare,adjust,infixedtime,alarmclocketc.function,andcanalsocarryoutthefunctionthatthefixed-pointtellsthetime.ozElQQLi4TKeywords：MCU,Thesinglesliceofmachinemakesbellclock,code,segmentcode,showCvDtmAfjiAForeword:Actuallyandalwaystheclockcanprovidesecond,cent,,theday,week,monthandyeararesmallcanautomaticallyadjust,andhaveleapyearrepairfunctionwith31weathersforamonth.Thisdesignisstilladditionalthefixed-pointtellsthetimeoffunction,thusandfurthercompletedautomaticallyadesignoftellingthetimethesystem.Inbriefdescribedtheworkprincipleofhardwaresystemfirstinthetext,andattacheddiagramwiththedesignframeofthehardwaresystem,discussthisgraduationdesignconnectsthefunctionandworkprocessthatapeople'stechniqueandeachoneconnectapeoplemoldpiecevarioushardwareapplying,andconcretedescribedtocircumscribeelectriccircuittoconnectofsoft,thehardwareadjusttotry.QrDCRkJkxh1.Singlesliceofmachinetotaldesignwayofthinking4nCKn3dlMX35/52(1>Designminimumhardwaresystemofasinglesliceofmachineofabilitynormalwork,theoutercircleelectriccircuitincludestoestablishakeyboard,themonitorofLCDorLED。ijCSTNGm0E(2>Carryonasoftwaredesign,makeuseofsinglesliceofmachinesystemtheclockdesigntheinternalclocksystemofhighaccuracyfirst,minimumandaccuratetimeisperiod1。vfB1pxanfk(3>Designonsecondfoundationthatcountsamachinefora24hours,clock,anddesignsomeinfixedtimefunction。JbA9VhEou1(4>Designadozenofbellsperformanceorganization,completeanautotobeatbellfunction.X7Ahr18pJI2.ThealternativeofhardwareAutomaticallytellthetimesystem,itneedstobewalkedaccurately,compare, adjust, in fixed time, the fixed-point tell the time etc.,thereforewhatIchoseisoneAT89C51listslicemachinechip,thengotogether with with the DS12 C887