免疫算法在最有PID控制设计器中的应用.doc

《免疫算法在最有PID控制设计器中的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、此文档收集于网络，如有侵权，请联系网站删除目录第一章绪论21.1引言21.2国内外研究现状31.2.1人工免疫算法31.2.2免疫遗传算法的应用与研究方向41.3研究动机与研究内容41.4论文安排5第一章遗传算法概述72.1遗传算法基本原理72.2遗传算法的构成要素72.2.1编码72.2.2适应度函数82.2.3遗传算子82.2.4控制参数102.3遗传算法步骤和流程112.3.1遗传算法的应用步骤112.3.2遗传算法的基本流程112.4遗传算法的特点122.5遗传算法的早熟现象分析132.6本章小结14第

2、三章免疫系统与免疫遗传算法153.1生物免疫系统153.2免疫遗传算法基本原理163.3免疫遗传算法步骤和流程163.4免疫遗传算法特点173.5本章小结18第四章免疫遗传算法的改进194.1基于信息熵的免疫遗传算法204.1.1抗体相似度和浓度计算方法204.1.2基于信息熵的免疫遗传算法的缺陷214.2基于欧式距离的免疫遗传算法214.3曼哈顿距离法224.4一种改进的免疫遗传算法234.4.1改进的遗传算法中几个重要定义234.4.2精英保留策略254.4.3改进的免疫遗传算法254.4.4IGAE算法的

3、全局收敛性分析264.5本章小结26第五章基于免疫遗传算法的PID控制器设计275.1PID控制器275.1.1PID控制基本原理275.1.2PID控制系统的性能指标28此文档仅供学习与交流此文档收集于网络，如有侵权，请联系网站删除5.2基于免疫遗传算法的PID控制器优化设计295.2.1免疫遗传算法的PID参数优化的基本思想295.2.2优化问题描述和PID增益参数优化的仿真结构295.2.3基于免疫遗传算法的PID控制器优化设计流程295.3计算机仿真实验及结果分析305.3.1实验对象选取和算法参数确定

4、305.3.2仿真结果325.4本章小结34第六章工作总结和展望35此文档仅供学习与交流此文档收集于网络，如有侵权，请联系网站删除第一章绪论1.1引言遗传算法（GeneticAlgorithms，简称GA）模拟了自然界中生物进化的过程。在自然界中，由于受到外部条件造成的生存压力的影响，一些具有好的结构的生物就可以得到保存，而一些结构较差的生物就会被淘汰，从而生物进化向着产生最优个体的方向发展。这种优势劣汰的机制应用到了人工算法中便形成了遗传算法。遗传算法首先要做的工作是根据解空间的分布，随机产生一个具有一定数量

5、个体的群体。群体中的每个个体都具有一定的基因型，该基因型代表了优化问题的每个解的数值。基因或者说染色体承担了携带个体基因型，表征个体独特性的任务。群体的进化过程是由群体中每一个个体完成的，每个个体经过选择、交叉、变异等遗传操作，形成新的一代具有新的基因型的个体，通过对遗传操作的合理设计，可以使新的一代具有比上一代更强的适应环境的能力。就这样，通过一代代的进化，最终群体进化成具有最强适应性的个体，也就是优化问题的最优解。遗传算法是由美国密歇根大学的JohnH.Holland教授在1975年创立的，从那之后，遗传算

6、法在全世界范围内得到了广泛的应用和研究，使之成为一门日益成熟的学科。在诸如优化组合、自动控制、生产调度、机器人学、人工智能等领域，遗传算法都显现出其独特的实用价值。然而，经过大量的科学研究和实际应用之后，人们逐渐发现遗传算法也有其不足之处。这种不足主要集中在它容易早熟收敛(prematureconvergence)、陷入局部最优(stickstolocaloptimum)，而且局部搜索的能力较弱等[2]。根据达尔文的进化理论，生物群体能够在自然界的竞争中保存下来，其中重要的一个原因就在于较大群体的数量。只有具有

7、一定规模的群体数量才能保证群体能偶在恶劣的环境中生存繁衍，从而保持自己群体的基因延续下去。因此，遗传算法模拟了自然界中生物群体的进化过程，为了能够使得自己的个体（解）能够存活下来，得到进化，在遗传算法的进化过程中必须满足下列四个条件[3]：(l)群体必须具有一定的数量的个体；(2)个体之间存在着差异，即群体具有多样性；(3)个体能够进行基因交流；(4)个体适应环境的能力不同，适应度较强的个体具有较大的繁殖机会，反之繁殖机会较小。很容易可以看出，遗传算法满足第(1)和第(3)个条件，通过设定合适的适应度函数，第(

8、4)此文档仅供学习与交流此文档收集于网络，如有侵权，请联系网站删除个条件也可以得到满足。由生物的进化原理可以知道，具有优良基因型的个体容易在进化中处于优势，从而使自己的基因型在群体中所占的比例也就越大，但是过于单一的基因型也会使得群体的适应性下降。因而为了保持群体抵抗风险的能力，需要增强群体基因型的多样性。如何把握较大比例的优良基因型以及群体多样性之间的平衡，是遗传算法亟需解决的问题之