基于遗传算法的MFAC参数寻优

无模型自适应控制是基于数据驱动,不依赖于被控对象的数学模型,且结构简单,易于实现.目前关于无模型自适应控制器参数寻优的方法较少,给无模型自适应控制的应用带来了极大的不便.针对这种情况,设计了一种基于遗传算法的MFAC控制器参数寻优方法,并在matlab环境下分别以具有非线性、一阶惯性加大滞后、高阶加大滞后特征等3个不同典型被控系统为对象进行了仿真.仿真结果表明,通过遗传算法进行参数寻优后,控制器性能在超调量、防止调节过程振荡方面效果明显改善,证明了上述方法可行性和优越性.     

基于自适应遗传算法的并行任务分配与调度

在完成"基于Internet的多节点过程交互环境设计与实现"应用项目(远程在线医学诊断)中,提出了一种高度自适应的遗传算法,设计出自适应选择、自适应交叉及自适应变异3种遗传操作算子,无论在精度上还是收敛速度上都较其他的遗传算法有较大程度的提高.经过实践与仿真实验表明,该算法是可行且有效的,并具有较高的自适应性.     

模糊自适应遗传算法

针对标准遗传算法在实际应用中存在的早熟问题,设计了标准遗传算法的一种改进形式--模糊自适应遗传算法.该算法是利用种群的方差和熵来衡量种群多样性,并根据每代种群的方差和熵设计模糊推理系统来自适应控制交叉概率和变异概率.通过多峰函数优化问题的仿真实验,表明了该模糊自适应遗传算法的可行性和有效性.     

基于VCGA 2-DOF PID控制器优化设计

遗传算法提供了一种复杂系统优化问题求解的通用框架,它通过对生物遗传和进化过程的模仿,来实现对问题的最优解的自适应搜索。针对基本遗传算法应用中早熟和慢收敛问题,应用改进的遗传算法,将适应度引入对操作因子的自适应调整。并给出了基于Matlab鳊程的实例。在此基础上,针对二自由PID的控制器优化设计问题,运用改进的遗传算法,在Matlab上进行了控制器参数的设计和仿真。结果表明,改进的遗传算法具有更快的收敛速度、更高的效率及全局收敛性,是一种适于工程应用的参数寻优方法。     

自适应遗传算法和RBF网络在传球中的应用

机器人足球仿真比赛系统是研究人工智能的优秀平台,借助平台,将智能算法应用到仿真球队的相关策略设计中,通过球队之间的比赛以验证算法的可行性.传球是球员的基本动作之一,设计的好与否直接影响着球队的整体实力.由于仿真比赛环境是一个实时、动态、有干扰的环境,难以对传球动作建立精确的物理模型.为提高球队近似物理模型的传球成功率,提出了一种新的传球方法,即基于自适应遗传算法的RBF神经网络传球方法.用自适应遗传算法优化RBF神经网络的结构参数,通过优化,提高了网络的学习能力和全局搜索效率.仿真结果表明,经过自适应遗传算法优化的RBF神经网络的传球成功率得到了很大提高.     

具有自适应选择策略的改进遗传算法

遗传算法是一种进行全局寻优的有效方法,是进化计算中最受关注的算法之一.基本遗传算法采用选择、交叉、变异等算子对问题的解空间进行搜索,具有结构简单、实现方便、鲁棒性强等特点,在许多领域得到了应用.介绍了遗传算法的原理与实现方法,讨论了基本遗传算法的遗传算子以及具有重要意义的模式定理.在基本遗传算法的基础上,提出了对选择算子的改进方法,即在选择操作时增加了自适应的优选和淘汰机制,以便提高进入交配池个体的适应值.仿真结果表明,改进后的遗传算法能有效地提高群体的平均适应值,加快最佳个体的进化速度.     

嵌套式模糊自适应遗传算法

针对简单遗传算法(SGA)收敛速度慢和早熟收敛现象,将模糊逻辑理论应用于遗传算法,并采用两级嵌套的遗传算法,随主遗传算法GA1求解优化问题的进化进程用模糊控制的方法自适应地调整遗传算法的交叉概率和变异概率;利用另一个遗传算法GA2优化模糊规则库,实现了一种嵌套式模糊自适应遗传算法(NFAGA)。仿真结果表明,这种算法的全局搜索收敛速度和解的质量明显优于SGA和一般的自适应遗传算法(AGA)。     

一种单交叉路口的信号混合优化方法

针对包含不等式约束和等式约束的城市单交叉路口信号优化问题,为缓解交通堵塞和安全性,设计了一种混合优化方法.方法首先采用自适应惩罚策略,将具有不等式约束和等式约束的优化问题转变为仅包含决策变量上、下限约束的优化问题;然后再分别采用自适应实数编码遗传算法和一种变搜索空间局部搜索算法进行混合优化,为了提高实数编码遗传算法的优化效果,设计了一种自适应交叉概率和变异概率.最后针对多种交通需求模式,应用混合优化方法进行了大量的仿真计算,结果表明在城市单交叉路口信号优化问题中具有良好的优化效果.     

客机机翼重量估算的自适应遗传算法研究

研究了大型客机机翼重量估算问题,由于飞行性能与飞机重量相关,精确估计重量可以保证飞行性能.针对传统的线性回归统计方法对机翼结构重量估算精度不高,采用新建立大型客机机翼重量估算模型,并将遗传算法应用于该机翼重量估算模型的参数优化.为了提高遗传算法的收敛速度和克服早熟等间题,提出了一种自适应遗传算法.自适应遗传算法改进了交叉与变异遗传算子,并引人精英保留策略,在进化过程中采用自适应交叉概率和变异概率.仿真结果表明,相比标准遗传算法,自适应遗传算法收敛速度快,优化精度高,且避免了局部收敛等问题,同时能够获得全局最优的大型客机机翼重量估计.仿真结果表明:重量估计为设计提供了可靠依据.     

模糊自适应遗传算法在多传感器多目标跟踪中的应用

应用模糊自适应遗传算法,将多传感器多目标跟踪的数据关联问题表达为一类约束的组合优化问题.静态关联用模糊自适应遗传算法进行量测粗关联,得到多假设航迹点量测.动态关联用多种群模糊自适应遗传算法进行航迹的形成和维持.仿真试验内容为被动式传感器的航迹形成和维持的问题.仿真试验的结果表明模糊自适应算法在多传感器多目标跟踪中应用的可行性.