分享,拿去。
第26卷第3期
2009年6月晋 中 学 院 学 报Journal of Jinzhong UniversityVol.26 No.3Jun. 2009
两种智能优化算法及其应用
孟晓春
(晋中学院职业技术学院,山西)
摘 要:,,蚁群
,结果表明遗
、.蚁群算法具有正反馈性、较强的鲁
.
:;蚁群算法;鲁棒性强
中图分类号:TP301 文献标识码:A 文章编号:1673-1808(2009)03-0093-04
随着人类生产发展需求的增加和人类的技术水平和知识水平的提高,控制科学也逐渐产生并发展起来,它从经典控制理论、现代控制理论发展到智能控制理论.智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出的.一般来说智能控制有以下特点:多输入多输出,被控对象非线性严重,没有确定的数学模型,系统工作点变化剧烈,控制过程可以由微分/差分以及离散状态序列来描述,复杂对象、复杂环境、复杂任务条件下被控对象与控制器不明显分离[1].智能控制方法是从“仿人”的概念出发的,是一门跨学科、需要多学科提供基础支持的技术科学.
1 遗传算法
遗传算法(GeneticAlgorithms,GA)是一类借鉴生物界自然选择和自然遗传机制的随机的搜索算法,由Holland教授于1975年提出.它简单、通用、鲁棒性强、适用于并行处理,对于以往难以解决的函数优化问题、复杂的多目标规划问题、工农业生产中的配管、配线问题以及机器学习、图像识别、人工神经网络控制和网络构造、系统辨识、模糊控制、系统故障诊、行走机器人路径规划等问题,尤其是自动控制,GA是最有效的方法之一.
1.1 实现方法
遗传算法成功地解决了函数优化问题.这里以一个简单的例子:求[0,31]范围内的y=(x-10)2的最小值为例,说明遗传算法的基本流程.
编码算法选择为:将x转化为2进制的串,串的长度为5位.等位基因的值为0或1.
计算适应度的方法是:先将个体串进行解码,转化为int型的x值,然后使用y=(x-10)2作为其适应度计算.由于是最小值,所以结果越小,适应度也越好.
正式开始,先设置群体大小为4,然后初始化群体.在[0,31]范围内随机选取4个整数就可以编码.
计算适应度Fi,由于是最小值,可以选取一个大的基准线1000,Fi=1000-(x-10)2.
计算每个个体的选择概率.选择概率要能够反映个体的优秀程度.这里用一个很简单的方法来确定选择概率:
P=Fi/TOTAL(Fi)
选择:根据所有个体的选择概率进行淘汰选择.这里使用的是一个赌轮的方式进行淘汰选择.先按照每
[收稿日期]2008-06-17
[作者简介]孟晓春(1971-),男,山西和顺人,晋中学院职业技术学院,助教,硕士,研究方向:软件工程.
93
