论文部分内容阅读
本文对具有很大发展潜力的遗传算法(GA)进行了系统的分析，并针对不同被控对象模型所出现的大量高维、多峰、非线性、不连续、非凸性等复杂的参数优选问题，建立了改进的加速遗传算法、改进的混合加速遗传算法并对上述改进的加速遗传算法进行数值模拟、系统的理论研究、应用研究并与常规优化方法进行比较，提高了控制参数优选的稳健性和解的精度以及遗传算法的速度。 同时，本文对二进制编码加速遗传算法的杂交算子、变异算子进行改进，建立了改进的加速遗传算法，提高了GA的全局优化能力。在进化过程中，根据种群的实际情况，随时调整杂交、变异算子大小，把这一思想应用于加速遗传算法中，提出基于动态杂交、变异操作的自适应加速遗传算法，克服了算法的早熟收敛，在一定程度上提高了GA的全局优化能力。由于二进制编码需频繁的编码和解码，计算量大，实数编码遗传 太原理工大学硕士研究生学位论文算法虽然不需频繁的编码和解码，但局部搜索能力有时也较差。本文在实编码遗传算法中加入单纯形法和模拟退火法，提出了单纯形混合加速遗传算法、模拟退火混合遗传算法，在一定程度上，减少了GA的计算量，提高了GA的搜索效率、全局优化能力和解的精度，并对模拟退火法进行了改进，建立了改进的模拟退火算法，在一定程度上提高了模拟退火法的搜索效率，并将模拟退火混合遗传算法应用到电缆在线监测系统中优化模糊控制器参数。仿真结果表明，优化后的模糊控制器比传统的模糊控制器具有响应速度快、鲁棒性强等优点。