基于遗传算法的PID参数优化与仿真

本文提出了一种基于遗传算法的PID控制器参数优化设计。通过仿真研究，表明了遗传算法是一种简单高效的寻优算法。与传统的寻优方法相比明显地改善了控制系统的动态性能。     

基于免疫遗传算法的PID控制器参数优化研究

PID控制器参数优化一直是自动控制领域研究的热点问题.由于自动控制过程中被控对象具有非线性、时变不确定性等特点,传统的PID控制多采用试凑方式进行优化,往往费时而且难以满足控制的实时要求,导致控制精度不高.为了解决PID控制器参数优化问题,改善系统性能,提出一种基于免疫遗传算法的PID参数优化方法.该方法将PID控制器参数作为抗原,最优参数作为抗体,通过免疫算法的记忆细胞和抗体浓度调节机制,在控制过程中动态调整PID控制参数,从而实现PID控制器参数实时优,最后将该参数优化方法应用于实际的自动控制系统.实验应用研究表明,相对于传统参数优化方法,该方法在处理非线性和时变系统时,减少了超调小,响应速度提高,改善了系统性能,系统稳定性增强,控制精度相应提高,更能适应实际的自动控制系统需要.     

基于混沌免疫遗传算法整定PID参数

针对传统免疫遗传算法PID参数整定速度慢的缺点,通过引入了混沌增殖思想和隔离小生境技术,结合免疫遗传算法的特点,设计了一种智能的PID参数整定方法。该方法利用混沌增殖对初值的敏感性以及随机性、遍历性、规律性,使免疫遗传算法能够更加有效地跳出局部收敛区域而以更快的速度向全局最优值收敛,进而较好地处理了通常遗传算法中遇到的“早熟”问题。通过隔离小生境技术的引入使得子种群的进化不仅同整个种群的进化密切相关,还有自身进化的独立性,这有利于种群个体多样性的保持。通过实际PID参数整定的例子,结果表明该算法能明显改善免疫遗传算法的收敛性能,搜索效率也得到了显著提高。     

基于免疫遗传算法的支持向量机参数优化及其应用

支持向量机是在统计学习理论基础上发展起来的一种性能优良的新型机器学习方法,它具有坚实的理论基础,巧妙的算法实现。支持向量机的卓越性能依赖于它的参数的正确选择。本文采用改进的免疫遗传算法对支持向量机的参数进行优化。实验证明对于低维数据分类时,本文的优化算法比传统的网格法可以较大减少参数优化时间和提升分类的准确率。对高维的文本数据分类时,在保证分类准确率的前提下,仍然可以较大减少优化的时间。     

基于矢量矩免疫算法优化SVM参数仿真研究

为解决支持向量机(SVM)参数在优化过程中存在的局部极值和收敛速度慢的问题,提出一种基于矢量矩免疫算法优化SVM参数的方法.通过将抗体距离与免疫网络原理中浓度调节机制相结合的方式,提高算法的局部搜索能力,通过引入免疫记忆单元加快算法搜索最优参数的速度,优化过程中用SVM的分类精度作为算法的循环条件,实现对不同分类问题SVM参数的自适应调节.最后,利用Matlab7.0软件进行计算机仿真并与遗传算法进行比较,结果表明前者在优化性能上具有一定的优越性,为应用提供了参考.     

基于遗传算法的微分方程模型参数优化

针对采用传统方法求解动态系统的微分方程模型的参数存在的不足与困难,设计了一种改进的遗传算法优化模型的参数.计算实例表明,用遗传算法优化模型参数可以得到与实际数据更加吻合的数学模型.     

基于矢量矩免疫遗传算法的PID参数整定

对于不确定系统,PID控制器存在着跟踪设定值与抑制扰动之间、鲁棒性与控制性之间的矛盾,对此,提出采用基于矢量矩方法计算抗体浓度,用免疫遗传算法思想对PID参数进行优化,提出了一种基于矢量矩的免疫遗传算法的PID参数优化控制方法。仿真结果表明,这种优化算法加快了收敛速度,有效提高了系统的全局稳定性,增强了PID控制器的鲁棒性。     

基于遗传算法的微分方程模型参数优化

针对采用传统方法求解动态系统的微分方程模型的参数存在的不足与困难,设计了一种改进的遗传算法优化模型的参数。计算实例表明,用遗传算法优化模型参数可以得到与实际数据更加吻合的数学模型。     

基于免疫遗传算法的关系型数据库查询优化技术

本文引入结合免疫系统原理和遗传算子自适应调整的算法,即免疫遗传算法。该算法具有可防止未成熟收敛和保证种群的多样性等优点。在使用此算法搜索最优解时,可防止陷入局部寻优情况的出现。经过实验计算,免疫遗传算法对多连接查询优化有很好的效果,优化后的查询代价较遗传算法有很大的降低。     

基于免疫遗传算法的关系型数据库查询优化技术

在关系型数据库的查询过程中,表的不同连接次序是执行计划多样性的最主要原因。查询优化器必须能够通过一定的算法确定一个好的连接的次序,以便对查询路径进行优化。遗传算法的出现为求解查询优化问题提供了新的工具。但是遗传算法具有局部搜索能力不强、个体多样性差及早熟现象等缺点,导致解的质量不够理想。针对遗传算法的缺陷,本文引入结合免疫系统原理和遗传算子自适应调整的算法,即免疫遗传算法。该算法具有可防止未成熟收敛和保证种群的多样性等优点。在使用此算法搜索最优解时,可防止陷入局部寻优情况的出现。经过实验计算,免疫遗传算法对多连接查询优化有很好的效果,优化后的查询代价较遗传算法有很大的降低。     

基于遗传算法的PID参数优化设计

本文应用遗传算法对ＰＩＤ控制器参数进行了优化设计，在构造遗传算法框架时，采用了最佳保留选择机制、两点交叉、重新生成个体策略以及由简易经验公式生成初始群体等方法。经过数字仿真，验证了该算法的有效性和合理性。     

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.     

基于仿真优化的飞机维修备件优化问题研究

飞机维修备件优化问题研究目标是寻求备件费用与飞机的战备可靠性之间的平衡。针对通常的解析方法假设过多的问题,提出了仿真优化的方法加以解决,在两种备件优化模型的基础上,建立更符合备件优化实际情况的仿真模型,在仿真模型中引入优化策略,对备件优化问题进行求解。最后,以具体应用遗传算法为例,简要介绍了仿真优化的基本原理、仿真优化算法及仿真优化方法的应用过程。结果表明,仿真优化的方法解决备件优化问题是合理可行的。     

基于改进粒子群算法的PID参数优化与仿真

提出了一种基于改进的粒子群优化（PSO）算法的PID控制器参数整定方法。该方法采用了PSO的惯性权值自适应调整机制和粒子种群的动态更新策略,用以加速优化算法的收敛和维持群体的多样性。与常规的PSO算法相比,该方法简单易行,更容易找到全局最优解,优化效率和性能明显提高。将该算法应用非最小相位、一阶滞后等系统的PID控制器参数的优化,能够使控制系统获得较好的动态特性和很强的鲁棒性。仿真实验表明了所提出算法的有效性和优越性。     

基于Prim算法的通信网络架设仿真研究与应用

为了更好地提高通信网络架设实际问题的工作效率,进行了通信网络架设过程的仿真研究.通过算法的比较选择,对通信网络构架进行了动态规划.以最小代价生成树普里母算法为研究基础,采用数据结构的分析方法进行假设论证.文中结合通信网络构架的实际具体问题,讨论了网络规划中线路权重的选取方法,并在C语言环境下设计了适用于各个城市网络的节点-支路邻接表的数据存储结构.经实例验证,该方法具有计算速度快的优点并有效减少资源浪费,不仅可以保证通信网络架设工作效率,而且可以有效提高通信网络架设经济效益.     

关于一种变参数PID控制器的分析与研究

分析了变参数PID控制器各个参数随着误差信号的变化趋势,得到它们的关系表达式。通过这个关系式去实现变参数PID控制器的参数校正。仿真结果表明能得到比常规非变参数PID控制器性能更好。     

一个基于遗传算法的仿真优化包的设计与实现

介绍了仿真优化的特点与难点,阐述了遗传算法作为仿真优化算法的优点。为了解决随机性系统的仿真优化问题,提出一种改进的遗传算法并基于它设计了一个仿真优化包。针对系统的随机特性,改进的遗传算法提出了一种新的K精英选择算子并设计了一个候选解收集器。上述改进能有效保护遗传进化过程中出现的优起个体并加快遗传算法的收敛速度。使用统一建模语言（Unified Modeling Language,UML）活动图来说明仿真优化软件包的原理并给出了软件包的UML类图,面向对象方法和设计模式技术的应用使仿真优化包具有较好的通用性和可扩展性。库存仿真优化实例表明所设计的仿真优化包是可行且有效的。     

基于生产计划排单的遗传算法的优化与应用

ERP是当今国际上先进的企业管理模式,其核心是计划体系,包括主生产计划、采购计划、车间作业计划等。车间作业计划的管理目标是按物料需求计划的要求,按时、按质、按量和低成本地完成加工制造任务。该文探讨了遗传算法在车间作业计划安排中的应用,主要是针对Flow Shop的调度问题,给出了包括建模、编码、选择、交叉、变异和适应性函数等的具体算法,并在最后给出了自适应算法、混合遗传算法等优化算法。经仿真算例分析,该算法取得较理想的效果。     

基于改进粒子群算法的水轮机调速器参数优化

提出一种改进的粒子群算法,即将微分进化算法与粒子群算法相结合,在更新粒子位置之前,加入微分进化算法,微分进化算法在变异时,考虑了粒子群算法中当前所寻找到的个体粒子所经过的最优位置及其整个粒子群所经历过最优位置,使粒子的进化具有了一定的方向性.利用典型函数证明了该方法具有较好的全局收敛性和收敛精度.将其应用在水轮机的调速系统参数寻优中,通过二次优化,有效地改善水轮机控制系统过渡过程的动态性能,很好地缓解了该工况下稳定性与抗负荷扰动能力的矛盾.     

基于演化算法的全加器优化设计

演化硬件研究工作中的一个重要研究内容就是电路优化设计,电路优化设计有望实现复杂电路的自动设计并获得新颖、优化的设计结果,因而成为国际性的研究热点。将演化算法引入全加器电路的优化设计中,引入了新的个体评估机制并提出了适用于全加器演化的演化算法。通过仿真实验验证了算法的有效性。