遗传算法及在控制理论中的应用研究

《遗传算法及在控制理论中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨工程大学硕士学位论文摘要遗传算法是基于达尔文自然选择学说和遗传学机理的一种迭代全局优忱随机搜索方法，对许多传统方法难以解决的复杂对象优化问题，提供了一个行之有效的新途径，也为人工智能控制和智能控制理论的发展带来了新的生机。由于遗传算法目前还缺乏统一、完善的理论体系，而遗传算法搜索效率、范围也有待进一步搜索和扩大，同时遗传算法与模糊智能控制融合也有待进一步发展，深入开展这三方面的研究具有重要的现实意义，因此本文具体有以下内容：首先，完善遗传算法理论基础，采用遗传算法一阶模式、二阶模式再生能力概念，分析

2、了控制因子参数之间的联系，同时给出了选择、交叉、变异遗传算子数学表述，重点对于交叉算子进行分析，总结了交叉算子搜索范围的充要条件，在利用龌arkov链对于两种典型遗传算法收敛性分析的基础上，总结出了一个统一的遗传算法收敛标准。其次，提出了基于计算时间效率的遗传算法性能测度标准，以此标准为参考，给出了关于种群大小、交叉概率、变异概率最佳参数选择，提出了提高遗传算法效率的几个实现方法，包括时变选择机制，自适应交叉、‘变异算子设计的途径，同时结合提出的新种群多样度函数，实现了一种并行结构体系下的改进型遗传算法。

3、．再次，建立了船舶线性和非线性横摇模型，并对于随机海浪仿真进行了仿真，以某型号的减摇鳍为控制对象，为解决多参数寻优而遇到的维数灾难问题，提出了遗传算法寻优体系下加速寻优参数收敛的限制初始种群产生的方法，设计了基于遗传算法优化的模糊智能控制器，实现船舶横摇减摇。最后，在不同的海况以及遭遇角下分别对船舶横摇运动线性及非线性情况进行仿真分析，通过与传统的PID设计方法的对比，结果显示所设计的遗传一模糊控制器具有更好的鲁棒性和控制效果。关键词：遗传算法；收敛标准；性能测度；模糊控制；减摇鳍哈尔滨工程大学硕士学位论

4、文ABSTRACTGeneticAlgorithmisakindofiterativestochasticsearchingalgorithmofintegrityoptimization，whichisbuiltonDarwin’Snaturalselectionandgeneticmechanism．Thisalgorithmprovidesalleffectivenewwaytosolvecomplexoptimizationproblemsthatseemsdifficulttomanytradi

5、tionalmethods，andalsobringsnewvigortoartificialintelligencecontrolandintelligentcontr01．Atpresent，thegeneticalgorithmisstilllackofaunified，completetheoreticalsystem．Itssearchefficiency,scopesalsoneedtobefurtherexpandedandimproved．Meanwhile，geneticalgorith

6、msand晒intelligentcontrolintegrationneedtobefurtherdeveloped．Conductingin-depthresearchinthesethreeareasisofgreatrealisticsignificance，SOthispaperhasthefollowingspecificcontent：Firstly,geneticalgorithmstheoreticalfoundationisimproved，andtherelationbetweent

7、hegeneticalgorithm’Srenewablecapacityoffirst—order,second—ordermodelandcontrolparametersaregiven．Meanwhile，Mathematicaldescriptionofcrossoverandmutationgeneticoperatorisgiven．Focusontheanalysisofcross-operator,then,thenecessaryandsufficientconditionsofcro

8、ss-operatorsearchscopeisgiven．BasedontheanalysisofMarkovchainintheuseofgeneticalgorithmsfortwotypicalconvergences，aunifiedstandardgeneticalgorithmconvergenceispresentedinthispaper．Secondly,geneticalgorithrnperforman