二进制编码遗传算法中的控制参数选取方法

遗传算法是一种模拟自然进化而提出的简单高效的优化组合方法,在火电厂热工系统的PID控制器参数优化问题中得以广泛应用,但是影响遗传算法性能的一些控制参数,没有确切的选择方法。文中以主汽温串级控制系统为仿真算例,在给定的目标函数和罚函数基础上,并通过大量的仿真,给出了诸如种群整体规模、尺度变换系数、交叉概率、变异概率、编码长度及其寻优变量区间等的选择方法,为遗传算法在实际工程的PID参数优化提供了有效依据。     

遗传算法控制参数优化策略研究

提出了新的遗传算法控制参数优化策略，包括变异率、交叉率调整策略，动态收敛准则以及二进制编码下最优种群规模的确定方法。研究结果可用于提高GA运行效率及克服早熟现象。     

基于遗传算法的控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种参数优化方法.采用遗传算法优化过程对象内部模型参数,并按内部模型优化控制器参数.将该算法应用于电加热器温度控制PID参数优化,系统的控制精度、温度变化平稳性等指标均得到了改善,能够较好地解决工业过程中控制参数优化的问题.     

基于遗传算法的直流转台控制参数优化

本文介绍了一种采用遗传算法对直流转台控制参数进行优化的方法。通过对转台进行建模,确定适应度函数,利用遗传算法对其控制参数进行了优化。与模糊自适应PID控制进行了仿真比较,仿真结果表明,基于遗传算法的优化方案具有更强的适应性和鲁棒性,进而证明了该方案的可行性和有效性。     

基于集团竞争的遗传算法及其在多峰值优化中的应用

本文提出了基于集团竞争的遗传算法，采用了一种新的反向交叉算子，探讨并尝试给出控制参数的选取策略，将它们用于复杂的多峰值函数的优化问题中，实验证明其收敛速度快，且全局性好，不易陷入局部最优解中     

用于局部检测路径优化的遗传算法及其控制参数优化

在对传统算子分析的基础上,提出了一种对求解大规模路径优化问题很有效的杂交算子－贪婪选择杂交算子。该算子采用与优化问题直接相关的距离信息指导子代的产生过程,使新生成的子代路径在局部向距离更短的方向发展。同时利用正交实验的方法对算法中的控制参数进行了优化,大大提高了算法优化能力。而且缩短了程序运行的时间,具有很大的实用价值。     

基于非线性控制参数组合策略的灰狼优化算法

针对传统的灰狼算法(GWO)易陷入局部最优、后期收敛速度慢等问题,提出一种非线性控制参数组合调整策略.对3种不同的非线性参数控制策略的调节因子a进行仿真,并分析影响搜索参数A的因素;对5组不同的调节参数值进行基准函数的测试仿真,选择权重系数的非线性控制参数组合策略的最佳参数值.仿真结果表明,所提出的非线性控制参数组合调...     

基于遗传算法的无刷直流电机控制参数优化

基于Simulink平台建立无刷直流电机双闭环控制系统仿真模型,对其双闭环均采用带限幅输出的积分分离PI调节器,利用基于实数编码的改进遗传算法对传统试凑法得出的转速环的准最优PI参数进行优化,其适应度函数充分考虑了系统的误差及控制量,得出了最优的PI参数.解决了不能准确用数学方法来描述的系统,在Matlab中可以用遗传算法实现其控制.经仿真分析表明,应用遗传算法可以快速的得到控制模型的最优参数,比传统方法相比具有更快的动态响应和更高的调节精度.     

用遗传算法优化PID参数

PID控制是最早发展起来的控制策略之一,因其设计方法及控制结构简单易行,直今仍在工业过程控制中得到广泛应用.在PID控制中,控制效果的好坏完全取决于PID参数的整定与优化.目前,PID参数的整定及优化方法有很多,如Z-N法,继电型自整定法,最优设定法及梯度法、单纯形法.但各有其弊,前几种整定方法带有经验性并不是最优解,后两种极易陷入局部最优点.而遗传算法是一种寻求全局最优且不需任何初始信息的高效优化方法.本文把遗传算法应用于PID参数寻优,通过仿真验证效果很好.     

基于自适应控制参数的改进水波优化算法

水波优化算法(Water Wave Optimization,WWO)是最近被提出的一种新型的群智能优化算法。它尽管具有控制参数少、操作简单、容易实现等优点,但是也存在收敛较慢、搜索精度低等不足。针对水波优化算法的不足,首先,从理论上分析并揭示算法收敛时控制参数应满足的条件;然后,提出满足上述条件的改进水波优化算法,改进算法采取自适应机制来调节算法参数,进一步增强了全局探索和局部开发的平衡能力;最后,对4种算法(ApWWO,WWO,FA,MVO)在10个标准测试函数上的寻优性能进行仿真实验和统计比较。结果表明,ApWWO在搜索精度、速度和鲁棒性等方面均显著优于WWO和FA,在5个测试函数上优于MVO;与PSO和GA的对比结果表明,ApWWO具有较好的寻优性能。进一步分析了维数和种群规模对ApWWO的影响,并使用ApWWO来求解置换流水线调度问题,结果表明ApWWO能够取得较好的求解效果。     

基于遗传算法的轨道交通线路排班优化研究

根据轨道交通系统的特点,考虑不同出行方式,建立基于遗传算法的轨道交通线路排班模型;并对整个算法进行设计,使其在有限的算法步骤内,找出所有满足约束条件的最优或次优解。     

应用神经网络和遗传算法实现多变量离散系统优化

多变量系统是科学研究和实际应用中经常面对的系统,由于系统的应用环境各异,系统变量多,虽然可以通过试验获得系统的部分输入输出,但是系统的复杂性使得难以确定系统的数学模型,也无法实现对系统的优化。该文提出了一种针对多变量离散系统的建模和优化方法,用BP神经网络对系统的模拟能力建立离散系统的模型,同时为了寻找系统的最优解,结合遗传算法对建立的模型进行寻优,编写了神经网络建模和遗传算法的MATLAB程序,并将建模和优化算法在工艺优化中进行了应用。     

基于改进遗传算法的神经网络优化方法

为了克服神经网络反向传播算法收敛速度慢,易陷入局部极小值,初始权值和阈值的选择缺乏依据,具有很大随机性等缺陷,采用基于自适应遗传算法的神经网络优化方法,方法结合了两者的优点,但是仍存在种群早期进化速度慢的缺点,于是提出了一种改进的自适应遗传算法,将其应用于神经网络的权值和阈值的优化设计中,并将此模型用于对某城市污水厂难测参数SVI的预测.仿真结果表明,算法不仅可克服BP算法的缺陷,而且与BP和GA-BP网络模型比较,大大提高了收敛速度与收敛精度,获得了良好的测量效果.     

基于遗传算法的分段Chen系统的参数估计

对比研究了单种群遗传算法和多种群遗传算法在分段Chen系统参数估计中的应用,通过构造一个合适的适应度函数,将Chen系统的多参数估计问题转化成一个多参数的寻优问题,利用遗传算法全局寻优性对其进行计算。仿真结果表明,相对于采用单种群遗传算法估计分段Chen系统参数,多种群遗传算法在准确性、鲁棒性方面具有明显的优势。     

基于遗传算法的自适应油源控制系统优化设计

文章采用键合图一状态空间法建立了自适应油源控制系统的数学模型,给出了基于Simulink的仿真模型及自适应油源控制系统动态特性的仿真结果。通过采用实数编码、精英选择、自适应交叉和变异概率策略的遗传算法,将系统仿真模型与遗传优化算法有机结合起来,把仿真模型作为适应度函数的输入模块,完成参数组合的优化,实现基于仿真模型的参数优化。并对优化计算进行可视化编程,实现优化过程的信息处理可视化。仿真结果表明：优化后系统的动态性能得到了较大的改善。     

基于规则归纳的遗传算法选择和参数设置

在设计遗传算法时,讨论算法种类的选取和控制参数的设置,基于规则归纳方法,提出一种研究遗传算法种类选择和控制参数设置的实验模型,以遗传算法数值优化问题为背景,用统一结构描述遗传算法实验,利用属性分组等操作规范训练集与决策树算法SLIQ进行规则归纳,将获取的规则用于指导遗传算法设计,并用设计出的算法解决某函数的优化求解问题。     

基于偏序关系的遗传算法求解多峰函数优化问题

该文设计了基于偏序关系的演化算法求解多峰函数优化问题新算法。并从偏序关系的性质出发,从理论上为该算法的收敛性提供了一定的依据,进而为其搜索操作提供了明确的方向,避免了演化搜索过程中的盲目性。     

基于遗传算法的压气机叶片的多目标三维优化

为了提高轴流压气机的效率,需要研究一种新的高性能的转子叶片.采用人工神经网络与遗传算法寻优相结合的方法对某单级轴流压气机亚音速叶片进行三维叶片型线优化设计.优化目标是尽可能的提高转子叶片的总压比、流量和等熵效率.优化仿真结果显示,流动分离区明显后移,损失显著降低,等熵效率提高了0.48%,同时总压比和流量也都得到了提高,优化叶片的气动性能较原型叶片明显提高.结果表明,优化方法能很好的完成亚音速叶片的优化设计,是获得低损失高效率性能的叶片的有效途径.     

一个多重约束目标问题的遗传算法求解

该文针对一个多重约束目标问题,用改进的遗传算法较快地求得问题的解。并针对求解该问题的遗传算法,作了大量的实验,研究了种群规模逐渐变小,使用单一的遗传操作方式,采用不同的选择策略,以及在算法执行过程的不同阶段不同的变异算子的使用,对该算法性能的影响。     

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。