改进遗传算法PID参数整定及在漂白温度控制中的应用

遗传算法（GA）是一种基于群智能的全局随机优化算法。针对简单遗传算法（SGA）收敛速度慢、易于早熟等缺点,采用改进的自适应交叉算子和自适应变异算子。结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID参数进行寻优整定。并将该控制器应用于纸浆漂白温度控制中,仿真结果表明：改进遗传算法能够明显改善收敛速度和寻优效果,当被控对象存在较大纯滞后、时间常数特性较大时,采用本方法优化PID控制器参数可获得比较满意的控制效果。     

改进的自适应遗传算法及其性能研究

遗传算法的优良性能使其被广泛应用于现实许多工程领域中,但该算法由于随机搜索而带来的收敛速度慢、易产生局值、不稳定等问题,给其应用带来很大的困难.论文首先针对收敛速度慢,提出使用遗传迭代次数自适应控制选择算子,达到对收敛速度的自适应控制.其次,针对局值问题,提出一种新的改进自适应遗传策略,其交叉和变异算子能够根据前两代适应度变化进行自适应调整.最后,使用Matlab7.0对所选的函数进行优化仿真,通过比较仿真结果得出改进的自适应遗传算法在处理收敛速度和避免易产生局值方面具有较明显的优势.     

一种可自适应调节参数的改进遗传算法

针对遗传算法在复杂问题应用中收敛速度十分缓慢的不足，本文引入收敛性因子和进程因子对种群进化的交叉概率和变异概率进行自适应调节，提出了可自适应调节参数的改进遗传算法．该算法很好地增强了遗传算法的全局搜索能力，提高了收敛速度．通过比较几个优化实例，验证了本文算法的有效性．     

一种改进的实数自适应遗传算法

研究了基于实数编码的遗传算法的改进问题．针对实数编码在搜索后期存在搜索效率低、易早熟收敛等现象．讨论了遗传算法的参数调节问题．提出一种自适应交叉概率和变异概率，既考虑了进化代数对算法的影响，又考虑到每代不同个体适应度的作用，给出一种改进的实数自适应遗传算法．最后利用3个测试函数对算法进行验证，在函数的最终值、平均运行代数、收敛概率几方面都取得了较好的结果．     

利用改进的自适应遗传算法确定有机化合物分子式

针对简单遗传算法存在早熟和收敛速度慢的缺点,提出了一种改进的自适应遗传算法用来确定有机化合物分子式.在现有自适应遗传算法的基础上,对编码方式和遗传算子操作等几方面进行了改进.改进后的自适应遗传算法在防止早熟和加快收敛方面优于简单遗传算法.该算法应用到确定有机化合物分子式时,取得很好的效果.     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制方法。该方法是针对ＢＰ算法训练神经网络控制系统时收敛速度慢、动态特性不够理想等不足，用改进的遗传算法来优化神经网络辨识器与控制器的参数，以提高控制系统的性能，仿真实验表明该控制器对于非线性、时变、滞后等对象都具有很好的控制精度、鲁棒性和动态特性。     

一种基于改进遗传算法的模糊神经网络控制器及其在烧结终点控制中的应用

针对烧结过程这一复杂、多参数耦合的高度非线性系统,融合遗传算法、神经网络和模糊控制的优点,提出一种基于改进遗传算法的模糊神经网络控制方法,并应用于烧结过程终点控制．首先采用遗传算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力和对对象的适应能力,进一步进行参数的在线调整．同时,为解决传统遗传算法早熟和收敛速度慢的问题,从交叉和变异算子、适应度函数选取等方面对遗传算法进行改进．采用精英保留策略,提高了全局搜索性能和收敛速度．仿真结果表明,所提出的控制器优于常规的模糊神经网络控制器(Fuzzy Neural Network Controller, FNNC)．算法的实际应用效果良好,为解决烧结终点控制问题提供了一条新的途径．     

基于改进遗传算法的PID控制器设计

针对一般遗传算法存在的不足，提出一种改进的遗传算法，并将其应用于PID控制器参数设计。该方法采用实数编码，是为了操作方便、提高精度和收敛速度，且能克服传统PID参数整定的费时性。仿真结果表明，基于改进遗传算法设计的PID控制器获得了良好的控制效果，其控制性能优于常规的PID控制器。     

一种改进的抑制早熟收敛的模糊遗传算法

针对遗传算法中的早熟收敛现象，提出一种改进的模糊遗传算法。该算法将群体适应度均方差和种群的进化代数作为模糊逻辑控制器判断早熟收敛的标准，并根据判断结果对优劣不等的个体采取相应的进化方法，即当种群正常进化时对个体执行“惩强扶弱”的措施以保持种群多样性，一旦发生早熟收敛或有早熟收敛的趋势则对劣质个体进行局部灾变，以恢复种群的进化能力。实验结果表明，与标准遗传算法、自适应遗传算法和模糊遗传算法相比，改进的模糊遗传算法能够更好地维持种群多样性，抑制早熟收敛。     

遗传算法的分析及其改进

针对遗传算法的来源、基本原理、数学机理、特点进行了论述;然后详细分析了简单遗传箅法在应用过程中出现收敛过慢和早熟现象的原因,并简单介绍了一种基于个体适应值的自适应调整交叉率和变异率的自适应遗传算法(AGA).为了提高遗传算法的收敛性能,在分析其不足后,从三个方面进行改进并提出一种改进算法(IAGA).最后,针对几种优化问题对所提出的算法和AGA进行了性能比较,证明提出的改进箅法在达到最优解的收敛性能方面有了明显的提高.     

新的ITAE最佳传递函数标准型

给出３组新的ＩＴＡＥ最佳传递函数标准以及它们的频率特性和阶跃响应；讨论了满足ＩＴＡＥ控制律极值解的唯一性和非唯一性的辩证关系；最后讨论了它们以双容纯时滞二次优化控制系统中的应用。结果是性能指标好，算法简便，实用价值大。     

基于遗传算法的Peer to Peer路由算法R GA*

路由算法是制约PeertoPeer 系统整体性能的关键因素之一。目前大多数路由算法无法保证全局收敛,而链路延迟、费用、网络带宽等现实制约因素往往在选路时被忽略。针对上述问题,提出了基于遗传算法的RGA路由算法。通过适度函数和遗传因子,RGA可以快速地实现全局收敛。同时将链路的延迟、费用、带宽等参数插入到适度函数中, 避免了盲目路由。仿真试验的结果表明,RGA路由算法在大规模PeertoPeer系统中是高效和可扩展的。     

A combined genetic algorithms-shooting method approach to solving optimal control problems

In this paper, an alternative method for solving optimal control problems is presented. By applying calculus of variations, the optimal control problem can be reduced to solving a two-point boundary value problem. Here, the solution is generated with a combination of two methods genetic algorithms (GA) and the shooting method. An estimate of the optimal solution is first obtained using GA. This solution is in turn used as the initial guess for the shooting method. This combined method is applied to an optimal missile guidance problem. The performances of the combined method and GA are evaluated by simulation and compared. The results clearly show that the proposed combined method is able to locate the optimal solution more efficiently than GA. The results also show that the combined method never fails to correctly determine the optimal solution. Therefore, it proves to be more robust than the shooting method whose convergence is not always guaranteed.     

混合遗传算法求解高超音速飞行器弹道优化

高超音速巡航导弹最优上升轨道设计问题是终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时对初值选取敏感、局部收敛等问题表现得比较突出.针对上述问题,将具有良好全局收敛性的遗传算法应用到导弹最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合单纯形和Powell算法的优点,设计了两种混合遗传算法.通过所设计的两种混合遗传算法的求解结果和分别用单纯形以及Powell算法的求解结果进行比较,得出所设计的混合遗传算法是更有效的求解高超声速巡航导弹轨迹优化的方法.     

基于预测的遗传算法

遗传算法被广泛应用于解决各类优化问题.常规的遗传算法易于陷入局部最优,其收敛速度也较慢.为了提高常规遗传算法的优化性能,将预测的概念引入遗传算法的循环过程,提出基于预测的遗传算法框架;并以人工神经网络算法作为预测算法,提出了一种基于神经网络预测的遗传算法.通过优化8个典型的函数优化问题,将该算法与常规遗传算法的性能进行了比较;结果显示该算法具有很强的全局优化能力,能有效地增强种群的多样性和进化速度,明显优于常规遗传算法.     

改进遗传算法在电站经济运行中的应用

针对水电站经济运行提出了一种改进的遗传算法,来提高遗传算法的搜索的能力和效率以及避免算法中常出现的"早熟"现象。在遗传算子设计中,引入了带有限制条件的初始化方法、双代竞争和精英保留的选择方法、自适应变化的变异及交叉算子和并行交叉迁移的方法来保证算法在收敛速度、搜索能力和运算速度3个方面的要求。在设计中,建立了"代沟"函数和并行交叉迁移率的概念。在清江隔河岩水电站的4台机组的经济运行工程实验中,从收敛速度、搜索能力和运算速度3个方面,比较了该算法和自适应遗传算法、双代竞争遗传算法的性能,得到了令人满意的结论,说明所提出的改进遗传算法可以成功地应用到水电站经济运行中。     

基于粒子群优化和遗传算法的协同聚类算法

为充分发挥粒子群优化算法和遗传算法各自的优势,提出一种新的基于粒子群和遗传算法的协同进化算法,并将其应用于聚类分析。通过构建2个相互竞争的种群,采用相对适应度度量方法,在一个纯自举的过程中产生最优竞争个体。在现实世界数据集上的仿真实验表明,该算法在收敛精度方面优于基于遗传算法的聚类方法和基本粒子群优化聚类算法。     

基于改进遗传与模拟退火融合的RISP软硬件划分

软硬件划分是可重构指令集处理器在软硬件协同设计中的关键问题,通过对比遗传算法和经典模拟退火算法的优缺点,提出改进遗传算法的适应度函数,同时将Tsallis接受准则引入到经典模拟退火当中;其思路是用遗传算法的结果来制约模拟退火算法产生的随机状态,然后由模拟退火的接受准则以及产生的随机状态函数对遗传算法的种群进行更新,从而找到全局近似最优解;实验结果证明,改进算法与单一遗传算法以及经典模拟退火算法相比,其收敛速度和适应度更好,找到全局近似最优解的概率更大。     

基于遗传和禁忌搜索混合算法的预制生产调度的研究

遗传算法是一种全局搜索能力较强的元启发式算法,可通过不断进化种群得到最优或近优解;但是遗传算法的局部搜索能力较差,容易发生早熟收敛问题。因此为了克服遗传算法早熟收敛的问题,考虑到禁忌搜索算法的局部搜索能力较强的优势,提出了一种遗传和禁忌搜索的混合算法解决预制生产流水车间的提前和拖期惩罚问题。该混合算法是在遗传算法每次迭代后,通过禁忌搜索改进当前种群中的最好染色体,并替换种群中适应度值最差的染色体。经实验测试表明,所提出的混合算法的性能更优,更容易得到全局最优解或近优解。     

改进的遗传蚁群混合算法在 TSP 中的应用

针对遗传算法和蚁群算法的不足,提出一种改进的遗传蚁群混合算法。该混合算法通过判定最优解的改良情况,将遗传算法和蚁群算法动态串行融合,以充分利用遗传算法的全局搜索能力和蚁群算法的正反馈机制。同时,依据信息素在正反馈过程中的重要作用,提出一种改进的带奖惩项的信息素更新机制。仿真计算结果表明,本文提出的混合算法在求解TSP方面,收敛速度和求解质量均较传统的遗传算法及蚁群算法要好。