遗传算法在神经网络控制中的应用研究

《遗传算法在神经网络控制中的应用研究》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、哈尔滨工业大学工学硕士学位论文摘要遗传算法是一种基于生物学进化原理的搜索算法，它根据“适者生存，优胜劣汰”的自然进化规则，来优选适应性能评价函数的参数组合。它的提出，为自动控制理论的研究和发展提供了一些新的方法和途径。本文主要研究遗传算法在控制领域中的应用，探讨了一种遗传算法与神经网络相结合的控制方法，并将其应用于二级倒立摆系统的控制中，进行了大量的仿真实验。主要的工作有:t.介绍了遗传算法的基本概念，在带有三个遗传算子的基本遗传算法的基础上，阐述了遗传算法中改进的实现技术及方法，讨论了遗传算法的内在运

2、行机理。并结合一个函数优化问题验证了遗传算法的全局寻优能力。2.通过与传统的神经网络控制方法的比较，论述了遗传算法与神经网络再励控制相结合的可实行性。针对遗传算法与神经网络的结合方式，给出了遗传算法优化神经网络控制器的运算过程、可用于神经网络控制器优化的遗传算法的实现技术、包括能够实现权值与结构同时进化的编码方案、适应度函数的选取及一些遗传操作算子。3.利用Lagrange动力学方程推导了二级倒立摆系统的非线性模型。针对遗传算法中算子的设计无规律可循的问题，进行了大量的分组比较实验，检验了用于神经网络优

3、化中的遗传算子的作用。给出了神经网络控制器的进化过程曲线和优化后的神经网络控制器，以及二级倒立摆系统的控制仿真结果仿真结果证明，将遗传算法应用于神经网络控制中，通过同时优化神经网络的结构和权值，选取合适的适应度函数和遗传算子，能够实现对二级倒立摆这类复杂非线性系统的控制，体现了遗传算法在此方面的巨大应用潜力。关键词遗传算法;神经网络控制;二级倒立摆哈尔滨工业大学工学硕士学位论文AbstractGeneticalgorithmsaresearchalgorithmsbasedontheprinciples

4、ofnaturalselectionandnaturalgenetics,whichareparticularlysuitableforoptimizingparameterstomeetsomecriterions.TheyprovidesomenewmethodsandwaysforthestudyofautomaticcontrolThisthesisdealswiththeuseofGAsincontrolfield.AmethodofcombiningGAswithneuralnetworki

5、sdiscussedwhichisappliedtocontroldoubleinvertedpendulum.Andmanyexperimentshavebeenperformed.Themainworkisasfollows:l.AftertheintroductiontothemechanicsofsimpleGA,wehavediscussedsomeimplementationsforGAs,andhaveundertakenanappraisaloftheirperformanceusing

6、amorerigorousanalysisofschemata.ThenanexampleoffunctionalmaximumcomputationisusedtoverifytheglobalsearchcapacityofGAs2.Comparingwithconventionalneurocontrol,thefeasibilityofcombinationofGAswithneuralreinforcementcontrolisdiscussed.Theircombinationandtheo

7、ptimizationprocessareprovides.SomeimplementationmethodsofGAsinneurocontrol,includingtheencodingforsimultaneousevolutionofarchitectureandweights,thefitnessfunctionandsomegeneticoperators,areintroduced.3.Thenonlinearmodelofdoubleinvertedpendulumisbuiltbyus

8、ingLagrangedynamicequation.Andmanyexperimentshavetobecarriedouttotestgeneticoperators.Thecurveofevolution,theoptimizedneurocontrollerandthesimulationresultsaregivenThesimulationresultdemonstratesthattheircombinationcansucc