大变异算子混合遗传算法的研究及其应用

《大变异算子混合遗传算法的研究及其应用》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、大连海事大学硕士学位论文大变异算子混合遗传算法的研究及其应用姓名：周琴申请学位级别：硕士专业：控制理论与控制工程指导教师：任光2003.3.1摘要本文研究了遗传算法在函数优化、生产调度和自动控制三方面的应用，在函数优化方面，详细研究了求多峰函数的最大值问题；在生产调度方面，讨论了作业车间调度问题；在自动控制方面，探讨了PID控制的PID参数寻优问题。对于求多峰函数的最大值问题，通过对传统优化方法单纯形法和遗传算法各，自的特点分析，本文提出了一种结合二者优点的混合遗传算法。／该方法利用了单＼纯形法的局域搜索能力和遗传算法的全局搜索

2、能力．通过遗传算法控制大范围搜索的方向，使得搜索向着适应度值高的区域发展，再通过单纯形法在遗传算法搜索到的区域内进行小范围的邻域搜索，从而能够得到高适应度值域的最优值。本文提出的算法是在遗传算法的交叉和变异算子之后对每个个体进行单纯形局部寻优的单纯形混合遗传算法，并且对变异算子进行了改进，采用大变异算子，以达到加快收敛速度的目的。详细阐述了混合遗传算法的设计、实现方法，给出了采用MATLAB编程的程序框图。通过仿真研究和与其他方法的比较，该大变异单纯形混合遗传算法在收敛精度、收敛代数、收敛率方面都有所提高，具有一定的研、一／究价

3、值。／¨对于作业车间调度问题，本文分别探讨了基于工序编码和基于工件编码的调度问题的算子选择和算法实现，对于关键算法如适应度评价函数的实现进行了详细的讨论，并给出了具体的实现步骤。船舶PID控制的PID参数寻优问题。以评价系统快速响应性能的ITAE为标准，采用其转化形式为评价PID参数适应度的适应度函数，在PID参数的允许范围内，通过仿真得到ITAE值，从而得到PID参数的适应度值。再通过遗传算法的搜索，得到参数允许范围内的一个较好的解。关键词：遗传算法单纯形法作业车问调度适应度函数大国变AbstractInthispaperwe

4、investigatetheapplicationproblemofgeneticalgorithmtofunctionoptimization,productionprecedenceandautomation．Westudymulti·maximfunctioninthedomainoffunctionoptimization，Job—shopinthedomainofproductionprecedenceandthePIDparametersselectinginthedomainofautomation．Forsolv

5、ingmulti-maximfunction．wecomesup、vitllahybridgeneticalgorithmthroughanalyzingcharacteristicsofpattemsearchandgeneticalgorithm．Thishybridalgorithmtakeadvangeoflocalsearchofpatternsearchandwholesearchofgeneticalgorithm．Itfirstconfinesthedirectionoflargescalesearchtothe

6、areaofhighfitnessbygeneticalgorithm，andthenutilizespatternsearchtosearchinthesmallareagotbythesearchingofgeneticalgorithm．，therebytheoptimvalueisgot．Thishybridalgorithmapplicatespatternsearchoneachindividualafercrossoveroperatorandmutationoperatorofgeneticalgorithm，a

7、ndimprovethemutationoperatortothebigmutationoperatorinordertospeedingconvergence．Thepaperexpatiateonthedesignandrealizingofthehybridalgorithm,andpresenttheflowchartoftheprogramprol群wamedwithMATLAB．Throughstudyingthesimulationresultsandcomparedwiththeotheralgorithms，t

8、hebigmutationhybridalgorithmimprovesconvergenceaccuracyandconvergenceprobabilityandreduceconvergencegeneration,thereforeitisworthfu