基于微计算机的非线性优化控制研究

《基于微计算机的非线性优化控制研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于微计算机的非线性优化控制研究：本文主要在微计算机的基础上，提出一种对复杂系统进行智能优化控制的非线性解决方案，首先采用神经X络对欲控制的复杂系统进行建模，然后采用实际数据构建针对性的神经X络模型，最后用混合遗传算法对神经X络模型进行制定参数寻优，从而获得对复杂系统的智能优化控制。本文给出了此优化控制方法在实际微计算机上应用的相关MATLAB程序，只要针对具体问题稍加调整，相信此程序能较好地解决实际中复杂系统的优化控制问题。关键词：微计算机；神经X络；混合遗传算法；非线性优化控制：TP183：Ａ0前言智能优化控制是人工智能领域中的重要部分，方

2、法多种多样，而非线性方法就是其中的一个研究热点，如神经X络，支持向量机，遗传算法等等，从其本质来看，其实都是实例学习方法，即从一个预先分好类的实例集中学习规则的方法，这类学习方法也称为概念学习方法。本文基于非线性的方法，从广泛意义上提出一个优化控制的完整解决方案：采用神经X络对欲控制的复杂系统进行建模，通过实际数据构建针对性的神经X络模型，然后采用混合遗传算法对神经X络模型进行制定参数寻优，从而获得对复杂系统的智能优化控制【1】。1神经X络人工神经X络是从结构上模仿生物神经X络，是一种通过训练来学习的非线性预测模型；它通过合理的样本训练、学习专

3、家的行为，并通过引入非线性转换函数来解决各种复杂的非线性问题，从而具有很强的模式识别能力【2】，它已广泛应用预测、特征挖掘等各种数据处理。人工神经X络是由多个具有非线性输入、输出特性的人工神经元、按照一定的方式连接构成的，误差逆传播神经X络是由输入层、输出层和若干中间层构成的多阶神经X络，X络上下层之间各种神经元相互全连接，每层的神经元相互之间无连接。图1为典型的3层BP神经X络构成示意图。图13层BP神经X络构成示意图BPX络是一种前馈神经X络，由1个输入层、若干隐层和一个输出层构成；如果输入层、隐含层和输出层的单元个数分别为n、q、m，则该

4、X络可表示BP(n，q，m)，利用该X络可实现n维输入向量Xn=(X1，X2，Xn)到m维输出向量Ym=(Y1,Y2,Ym)T的非线性映射。一般情况下，增加隐层的层数，不会对X络的精度和表达能力产生大的影响，基本X络采用BP的典型设计，即三层前向X络：输入层、隐层和输出层。隐层单元数目的确定是一个难题,目前还没有明确而广泛适用的结论，一般根据的经验取得【3】；X络神经元传递函数可以采用S型正切函数tansig，也可采用S型对数函数logsig。2混合遗传算法2.1优化数学模型在对复杂系统进行神经X络建模之后，要根据建立好的神经X络模型来优化指导

5、复杂系统参数控制。实际上应用已训练好的神经X络模型来优化系统恰好与神经X络模型的训练过程相反。训练过程是从输入到输出，而应用其解决问题的优化过程是从输出到输入，即求取在某给定参数有极值时，输入参数所对应的值。以某一参数C极小化为例，系统优化控制问题即转化成求目标函数C最大值的优化问题：其中，C和Xi均为归一化参数，f表示由已训练好的神经X络所建立的映射关系。C——给定参数；Xi——X络输入层第i个变量；Ei——第i个输入变量的取值范围。其中，且soNormalstyle="MARGIN:0cm0cm0pt;TEXT-INDENT:21pt;ms

6、o-char-indent-count:2.0">因为优化目标是由神经X络建立的模型，输入和输出之间的函数关系具有高度的非线性特性，对其求导相当困难，所以需要寻求优化目标函数的直接算法来满足实际要求。在工程领域，有多种直接优化方法可以应用，遗传算法是基于生物进化过程中优胜劣汰规则与群体内部染色体信息交换机制、处理复杂优化问题的一类通用性强的方法。与传统的优化方法相比，遗传算法可以更有效地找到全局最优，而且运行过程简单而计算结果丰富，特别适合于处理复杂优化问题。2.2遗传算法遗传算法作为一种模拟生物进化和遗传的规律搜索寻优方法在优化领域表现出了其

7、强大的能力，它从多个初始点开始寻优，沿多路径搜索实现全局或准全局最优，而且优化求解过程与梯度信息无关，对优化问题没有太多的数学约束，可以处理任意形式的目标函数和约束条件。由于其运算简单和解决问题的有效能力而被广泛应用到众多领域，但同时它也出现了一些不尽如人意的地方，主要是它容易出现早熟现象和局部搜索能力较差【4】。2.3复合形法复合形法是求解约束非线性优化问题的一种应用比较广泛的直接局部搜索算法。它是在n维空间的约束可行域内，对复合形各顶点的目标函数值逐一进行比较，不断去掉最坏点，代之以既能使目标函数值有所下降，又能满足所有约束条件的新顶点，逐

8、步调向局部最优点。然而复合形寻优的关键是初始复合形的产生和复合形顶点的改善性移动，对于低维凸域的优化问题，该方法收敛相当迅速。对于多维非线性和约束条件