一种改进的遗传算法在系统参数辨识中的应用

文章分析了传统遗传算法存在的缺陷,以及它们产生的原因,提出了解决这些缺陷的方法.该文通过合理选择编码方式,改进初始种群选择策略、复制、交叉和变异策略得到一种综合的改进遗传算法,并将其应用于模型参数辨识.实验证明用基于排序法的新的选择算子和多个交叉、变异概率,能有效维持种群的多样性,克服算法早熟现象.在对下一代个体的选择中用到精英保留策略和模拟小生境方法,有效加快了收敛速度.同时在系统辨识的过程中,本文结合先验知识,对模型阶次的辨识进行指导,从而大大的提高了搜索速度.     

基于遗传算法的过程辨识方法实现与应用

简单遗传算法存在着收敛速度慢和容易早熟的缺点,针对这种情况,通过合理选择编码方式,改进初始种群选择策略、复制、交叉和变异策略提出一种综合的改进遗传算法,并将其应用于系统模型辨识。用基于排序法的新的选择算子和多个交叉、变异概率,能有效维持种群的多样性,克服算法早熟现象。在改进的算法中,同时用到精英保留策略和模拟小生境方法,保护优良个体,使算法的引导性增强。在系统辨识的过程中,结合系统先验知识,对模型的阶次辨识进行指导。最后通过几个系统辨识的实例验证了该算法的有效性。