论文部分内容阅读
在科学、工程和商业等领域中,对很多实际问题进行数学建模后都可以转化为各类函数的优化问题。遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机优化搜索算法,是解决各类函数优化问题的一种有效算法。然而,大量研究表明,传统的遗传算法也存在许多的不足和缺陷,如早熟收敛、计算量大和局部搜索能力弱。为了有效克服以上缺点,将正交试验设计方法和局部搜索技术引入到遗传算法中。提出了两种分别用于全局优化和约束优化的新的算法。最后将新的全局优化算法用到了新型PID免疫控制器的参数优化中。主要工作如下:(1)提出了一种求解全局优化的混合自适应正交遗传算法。新算法根据父代个体的相似度,自适应地调整用于安排交叉操作的正交表的因素个数和对父代个体进行因素分割的位置,然后根据所选定的正交表重新设计交叉算子,提出了一种自适应的正交交叉算子。同时为了进一步提高传统遗传算法学习和利用搜索空间局部信息的能力,提高其收敛速度,引入了局部搜索策略,提出了一种新的基于种群分割和单形交叉的聚类局部搜索策略。对14个高维的Benchmark函数的测试结果表明,该算法在性能上显著优于其它算法。(2)提出了一种新的基于正交试验设计的约束优化算法。在搜索机制方面,利用正交实验设计的方法来安排多个父代个体的交叉操作,提出了一种新的多父体正交交叉算子。此外,我们利用单行交叉算子对父代种群进行并行搜索,来协调算法的勘探和开采能力。在约束处理技术上,引入了一个衡量个体的优、劣的新比较准则。并通过13个标准的测试函数验证了算法的通用性和有效性。(3)针对P型免疫反馈控制器不能克服动态干扰和消除静态误差的问题,利用模糊控制系统的非线性逼近能力,提出了一种将P型免疫反馈控制器同常规PID控制器进行混合联结的模糊免疫PID控制器的设计方法,并利用(1)中提出的混合自适应正交遗传算法对其控制器参数进行优化。仿真研究结果表明,该控制器较常规控制器具有更好的动、静态特性。