本文選題：遺傳算法 + 模糊控制��； 參考：《華北電力大學》2017年碩士論文

【摘要】：遺傳算法簡稱GA(Genetic Algorithm),是一種全局優(yōu)化算法。遺傳算法是通過研究自然界中生物“優(yōu)勝劣汰、適者生存”的自然法則,來搜索最優(yōu)解的一種方法�；谶z傳算法的自適應性、高度并行性以及魯棒性等特點,模糊控制器參數(shù)的優(yōu)化,常常用到遺傳算法。但是遺傳算法仍存在不足,如早熟收斂,局部搜索效率差等問題。本文針對基本遺傳算法的不足,作了如下工作:引進了兩個影響交叉概率和變異概率的指標,通過對給定指標的分析,分別給出相應的交叉概率和變異概率增量表,從而指導交叉概率和變異概率的動態(tài)變化,使得交叉和變異概率適應性的調(diào)整。然后通過對典型測試函數(shù)實例計算和與其他文獻方法結(jié)果對比,證明了改進遺傳算法(IGA)是一種有效的全局搜索算法。模糊控制器參考人們的經(jīng)驗并不依賴具體的數(shù)學模型,它被廣泛地應用于具有復雜非線性系統(tǒng)的控制領(lǐng)域當中。在模糊控制規(guī)則一定時,模糊變量的隸屬函數(shù)在模糊控制器的控制效果中起主要作用。但是隸屬函數(shù)的確定一般需要試湊的方法,得不到較理想的控制效果。本文用改進的遺傳算法來優(yōu)化模糊控制器中各語言變量的隸屬函數(shù),通過Matlab仿真實驗,用優(yōu)化的模糊控制器控制二級倒立擺的穩(wěn)定性,控制結(jié)果表明了算法的有效性。
[Abstract]:Genetic algorithm is a global optimization algorithm. Genetic algorithm (GA) is a method to search for the optimal solution by studying the natural law of "survival of the fittest and survival of the fittest" in nature. Based on the characteristics of self-adaptability, high parallelism and robustness of genetic algorithm, genetic algorithm is often used to optimize the parameters of fuzzy controller. However, genetic algorithm still has some shortcomings, such as premature convergence, poor local search efficiency and so on. Aiming at the shortcomings of the basic genetic algorithm, this paper introduces two indexes that affect the crossover probability and the mutation probability, and gives the corresponding increment table of the crossover probability and the mutation probability by analyzing the given index. Therefore, the dynamic variation of crossover probability and mutation probability can be guided, and the adaptability of crossover and mutation probability can be adjusted. Then, it is proved that the improved genetic algorithm (GA) is an effective global search algorithm by calculating the typical test function examples and comparing with the results of other literature methods. Fuzzy controller is widely used in the field of control with complex nonlinear systems, which does not depend on specific mathematical models for reference to people's experience. The membership function of fuzzy variable plays an important role in the control effect of fuzzy controller when the fuzzy control rules are fixed. However, the determination of membership function usually needs the method of trial and error, so it can not get ideal control effect. In this paper, an improved genetic algorithm is used to optimize the membership function of each language variable in the fuzzy controller. Through the Matlab simulation experiment, the stability of the two-stage inverted pendulum is controlled by the optimized fuzzy controller. The control results show that the algorithm is effective.
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP18;TP13

【參考文獻】

相關(guān)期刊論文 前10條

1 謝燕麗;許青林;姜文超;;一種基于交叉和變異算子改進的遺傳算法研究[J];計算機技術(shù)與發(fā)展;2014年04期

2 邢景虎;陳其工;江明;;二級倒立擺基于融合函數(shù)的模糊控制[J];合肥工業(yè)大學學報(自然科學版);2011年08期

3 張超群;鄭建國;錢潔;;遺傳算法編碼方案比較[J];計算機應用研究;2011年03期

4 陳忠華;肖蕙蕙;;基于自適應遺傳算法的模糊控制器優(yōu)化設(shè)計[J];重慶科技學院學報(自然科學版);2010年01期

5 焦靈俠;張荷芳;;二級倒立擺的模糊控制研究[J];電子設(shè)計工程;2009年10期

6 劉定理;;遺傳算法綜述[J];中國西部科技;2009年25期

7 王軒;李元香;;一種求解Shubert函數(shù)優(yōu)化問題的演化算法[J];計算機應用;2009年04期

8 葛繼科;邱玉輝;吳春明;蒲國林;;遺傳算法研究綜述[J];計算機應用研究;2008年10期

9 劉英;;遺傳算法中適應度函數(shù)的研究[J];蘭州工業(yè)高等�？茖W校學報;2006年03期

10 胡妙娟;胡春;錢鋒;;遺傳算法中選擇策略的分析[J];計算機與數(shù)字工程;2006年03期

相關(guān)碩士學位論文 前2條

1 馬旭潔;基于多種群的遺傳模糊控制系統(tǒng)優(yōu)化研究[D];東北石油大學;2015年

2 吳宇軒;遺傳模糊控制及其在優(yōu)化控制中的應用研究[D];東北石油大學;2013年

，

本文編號：2048191