哈 爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） - I - 摘 要 遺傳算法是密歇根大學(xué) 授借鑒生物進化中的 “ 生存競爭 ” 和“ 優(yōu)勝劣汰 ” 現(xiàn)象提出的有效的全局優(yōu)化算法。它將遺傳操作應(yīng)用于一群對搜索空間編碼的染色體中，在每一代，遺傳算法同時作用于整個搜索空間的不同區(qū)域，通過優(yōu)勝劣汰，去掉解空間中期望值較低的部分，保留高期望值部分，從而能以較大的概率找到最優(yōu)解。 遺傳算法（ 模仿自然選擇、物種進化和群體遺傳學(xué)而建立的一種隨機搜索技術(shù) ,其主要特點是群體搜索策略和群體中個體之間的信息交換，搜索不依賴于梯度信息。由于遺傳算法不受搜索空間的限制性假設(shè)的約束，不 要求解空間有連續(xù)性、可導(dǎo)等性質(zhì)，以及其固有的并行性。迄今為止，己經(jīng)在工程和研究的諸多領(lǐng)域得到了廣泛的應(yīng)用。 本文首先介紹了遺傳算法的發(fā)展、特點、應(yīng)用、實現(xiàn)過程及其應(yīng)用。介紹了 制技術(shù)的原理和應(yīng)用，最后本文應(yīng)用 件實現(xiàn)了遺傳算法的基本操作（包括復(fù)制，交叉，變異），并且實現(xiàn)了遺傳算法對函數(shù)的優(yōu)化和對二自由度 制器參數(shù)的整定，并和傳統(tǒng)方法整定 效果進行了比較。結(jié)果表明 ,遺傳算法比傳統(tǒng)方法優(yōu)化 數(shù)的效果更好。 關(guān)鍵詞 遺傳算法；二自由度 制器； 數(shù)整定 哈 爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） - is a a of of GA t to be Its on of it a in So it in in GA)is a of by by of In on a of is in In on in be by of ID to of to it a by A ID is 哈 爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） - ID 爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） - 目錄 摘 要 . I . 1 章 緒論 . 1 傳算法的生物學(xué)基礎(chǔ) . 1 傳算法的基本步驟 . 2 本概念 . 3 傳步驟 . 5 傳算法的特點 . 6 傳算法的發(fā)展 . 8 傳算法的應(yīng)用 . 10 前研究現(xiàn)狀 . 13 課題主要研究內(nèi)容 . 14 第 2 章 遺傳算法的基本實現(xiàn)技術(shù) . 15 碼方法 . 15 進制編碼方法 . 16 雷碼編碼方法 . 17 點數(shù)編碼方法 . 19 號編碼方法 . 20 應(yīng)度函數(shù) . 21 標函數(shù)與適應(yīng)度函數(shù) . 22 應(yīng)度尺度變換 . 23 傳算子 . 25 擇算子 . 25 叉算子 . 28 異算子 . 31 傳算法的運行參數(shù) . 34 章小結(jié) . 36 第 3 章 制的基本原理 . 37 制概述 . 37 哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） V 制原理 . 37 制器的參數(shù)整定 . 43 程整定法 1. 43 程整定法 2. 43 程整定法 3. 44 制的性能指標 . 44 自由度 制 . 46 章小結(jié) . 51 第 4 章 應(yīng)用 現(xiàn) 化函數(shù) . 52 介 . 52 言的發(fā)展 . 52 各領(lǐng)域的應(yīng)用 . 52 言的功能 . 53 用 現(xiàn) 函數(shù)極值 . 55 進制編碼遺傳算法求函數(shù)極值 . 55 數(shù)編碼遺傳算法求函數(shù)極大值 . 64 章小結(jié) . 70 第 5 章 應(yīng)用 現(xiàn)遺傳算法優(yōu)化二自由度 制器參數(shù) . 71 介 . 71 用遺傳算法優(yōu)化 制器的參數(shù) . 73 用遺傳算法整定 個系數(shù)的優(yōu)點 . 73 于遺傳算法的 定原理 . 74 用遺傳算法優(yōu)化 制器參數(shù)的具體步驟及程序流程 . 76 化設(shè)定值前饋型二自由度 制器參數(shù) . 78 用 真 . 78 用 現(xiàn) 制器的參 數(shù) . 79 用 化的結(jié)果分析 . 86 優(yōu)化反饋補償型二自由度 制器參數(shù) . 87 用 現(xiàn) . 87 用 現(xiàn) 制器的參數(shù) . 88 用 化的結(jié)果分析 . 92 章小結(jié) . 93 哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 論 . 94 致 謝 . 96 參考文獻 . 97 哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 1 第 1章 緒論 遺傳算法是模擬生物在自然環(huán)境中的遺傳和進化過程而形成的一種自適應(yīng)全局優(yōu)化概率搜索算法。它最早由美國密執(zhí)安大學(xué)的 授提出，起源于 20 世紀 60 年代對自然和人工自適應(yīng)系統(tǒng)的研究。 20 世紀 70 年代 于遺傳算法的思想在計算機上進行了大量的純數(shù)值函數(shù)優(yōu)化計算實驗。在一系列研究工作的基礎(chǔ)上， 20 世紀 80 年代由 行歸納總結(jié)，形成了遺傳算 法的基本框架。 遺傳算法的概念最早是由 1967 年提出的，而開始遺傳算法的理論和方法的系統(tǒng)性研究的是 1975 年，這一開創(chuàng)性工作是由 學(xué)的 實行。當(dāng)時，其主要目的是說明自然和人工系統(tǒng)的自適應(yīng)過程。 遺傳算法簡稱 ，在本質(zhì)上是一種不依賴具體問題的直接搜索方法。遺傳算法在模式識別、神經(jīng)網(wǎng)絡(luò)、圖像處理、機器學(xué)習(xí)、工業(yè)優(yōu)化控制、自適應(yīng)控制、生物科學(xué)、社會科學(xué)等方面都得到應(yīng)用。在人工智能研究中，現(xiàn)在人們認為 “ 遺傳算法、自適 應(yīng)系統(tǒng)、細胞自動機、混沌理論與人工智能一樣，都是對今后十年的計算技術(shù)有重大影響的關(guān)鍵技術(shù) ”。 傳算法的生物學(xué)基礎(chǔ) 由于遺傳算法是自然遺傳學(xué)和計算機科學(xué)相互結(jié)合滲透而成的新的計算方法，所以遺傳算法中經(jīng)常使用有關(guān)自然進化中的一些基礎(chǔ)用語。了解這些用語對于學(xué)習(xí)和應(yīng)用遺傳算法是十分重要的。在生物細胞中，控制并決定生物遺傳特性的物質(zhì)是脫氧核糖核酸，簡稱 色體是其載體。 由四種堿基按一定規(guī)則排列組成的長鏈，四種堿基不同的排列模式?jīng)Q定了生物不同的表現(xiàn)性狀。例如，改變 鏈中的特定一段，稱為基因 （ ，即可改變?nèi)梭w的身高。基因的位置稱為基因座 （ ，基因的所有可能取值稱為等位哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 2 基因 （ ?；蚝突蜃鶝Q定了染色體的性狀，即基因型（ ，同一種基因型的生物個體在不同的環(huán)境條件下，可以有不同的表現(xiàn)型 （ 。因此，表現(xiàn)型是基因型與環(huán)境條件相互作用的結(jié)果。 細胞在分裂時， 過復(fù)制 （ 而轉(zhuǎn)移到新產(chǎn)生的細胞中，新的細胞就繼承了舊細胞的基因。有性生殖生物在繁殖下一代時，兩條染色體之間通過交叉 （ 而重組，亦即在兩個染色體 的某一相同位置處 切斷，其前后兩串分別交叉形成兩個新的染色體。在細胞進行復(fù)制時可能以很小的概率產(chǎn)生某些復(fù)制差錯，從而使 生某種變異（ ，產(chǎn)生新的染色體。這些新的染色體將決定新個體 （ 后代 ） 的新性狀。許多個體組成了群體 （ 。在一個群體中，并不是所有的個體都能得到相同的繁殖機會，對生存環(huán)境適應(yīng)度 （ 高的個體將獲得更多的繁殖機會 ;反之亦然，此即所謂自然選擇現(xiàn)象。而生存下來的個體組成的群體，其品質(zhì)不斷得以改良，稱為進化 （ 。 遺傳算法就是 要模擬上述生物遺傳進化過程，用帶求解的問題構(gòu)成進化的環(huán)境，目的就是要找到最適合此環(huán)境的個體。其中，基因?qū)?yīng)待優(yōu)化的參數(shù)，染色體或稱 （ 基因型 ） 個體 （ 對應(yīng)全部待優(yōu)化的參數(shù)，基因座對應(yīng)某參數(shù)在染色體中的位置，等位基因?qū)?yīng)該參數(shù)的所有可能取值。個體以編碼串的形式給出，編碼串上各個位置所有等位基因的組合就構(gòu)成了待優(yōu)化問題的全部可行解，即構(gòu)成了優(yōu)化問題的搜索空間。搜索點在搜索空間的隨機移動依賴于交叉和變異操作，搜索的方向用適應(yīng)度函數(shù)指引。搜索的形式是以群體的形式進行的，即多個個體并行搜索。對群體的 一次搜索成為一代（ ，適應(yīng)度高的個體有更多的機會進化到下一代。經(jīng)過一代一代的反復(fù)，最終得到最適合或較適合問題的解。 傳算法的基本步驟 遺傳算法的基本思想是基于 化論和 遺傳學(xué)說的。 哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 3 化論最重要的是適者生存原理。它認為每一物種在發(fā)展中越來越適應(yīng)環(huán)境。物種每個個體的基本特征由后代所繼承，但后代又會產(chǎn)生一些異于父代的新變化。在環(huán)境變化時，只有那些熊適應(yīng)環(huán)境的個體特征方能保留下來。 傳學(xué)說最重要的是基因遺傳原理。它認為遺傳以密碼方式存在細胞中 ，并以基因形式包含在染色體內(nèi)。每個基因有特殊的位置并控制某種特殊性質(zhì)；所以，每個基因產(chǎn)生的個體對環(huán)境具有某種適應(yīng)性?；蛲蛔兒突螂s交可產(chǎn)生更適應(yīng)于環(huán)境的后代。經(jīng)過存優(yōu)去劣的自然淘汰，適應(yīng)性高的基因結(jié)構(gòu)得以保存下來。 與自然界相似，遺傳算法對求解問題的本身一無所知，它所需要的僅是對算法所產(chǎn)生的每個染色體進行評價 ,把問題的解表示成染色體，并基于適應(yīng)值來選擇染色體，使適應(yīng)性好的染色體有更多的繁殖機會。在算法中也即是以二進制編碼的串。并且，在執(zhí)行遺傳算法之前，給出一群染色體，也即是假設(shè)解。然后，把這些假設(shè)解置于問 題的 “ 環(huán)境 ” 中，也即一個適應(yīng)度函數(shù)中來評價。并按適者生存的原則，從中選擇出較適應(yīng)環(huán)境的染色體進行復(fù)制 ， 淘汰低適應(yīng)度的個體，再通過交叉，變異過程產(chǎn)生更適應(yīng)環(huán)境的新一代染色體群。對這個新種群進行下一輪進化，至到最適合環(huán)境的值 1。 本概念 由于遺傳算法是由進化論和遺傳學(xué)機理而產(chǎn)生的直接搜索優(yōu)化方法；故而在這個算法中要用到各種進化和遺傳學(xué)的概念。這些概念如下： （ 1） 串 (它是個體 （ 的形式，在算法中為二進制串，并且對應(yīng)于遺傳學(xué)中的染色體 （ 。 （ 2） 群體 （ 個體的集合稱為群體，串是群體的元素。 哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 4 （ 3） 群體大小 （ 在群體中個體的數(shù)量稱為群體的大小。 （ 4） 基因 （ 基因是串中的元素，基因用于表示個體的特征。例如有一個串 S 1011，則其中的 1， 0， 1， 1 這 4 個元素分別稱為基因。它們的值稱為等位基因( （ 5） 基因位置 （ 一個基因在串中的位置稱為基因位置，有時也簡稱基因位?；蛭恢糜纱淖笙蛴矣嬎悖缭诖?S 1101 中， 0 的基因位置是 3?；蛭恢脤?yīng)于遺 傳學(xué)中的地點 ( （ 6） 基因特征值 （ 在用串表示整數(shù)時，基因的特征值與二進制數(shù)的權(quán)一致。例如在串S=1011 中，基因位置 3 中的 1，它的基因特征值為 2，基因位置 1 中的 1，它的基因特征值為 8。 （ 7） 串結(jié)構(gòu)空間 串中，基因任意組合所構(gòu)成的串的集合。基因操作是在結(jié)構(gòu)空間中進行的，串結(jié)構(gòu)空間對應(yīng)于遺傳學(xué)中的基因型 （ 的集合。 （ 8） 參數(shù)空間 是串空間在物理系統(tǒng)中的映射，它對應(yīng)于遺傳學(xué)中的表現(xiàn)型(集合。 （ 9） 非線性 它對應(yīng)遺傳學(xué) 中的異位顯性 （ 。 （ 10） 適應(yīng)度 （ 表示某一個體對于環(huán)境的適應(yīng)程度。 遺傳算法還有一些其它的概念，這些概念在介紹遺傳算法的原理和執(zhí)行哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 5 過程時，再進行說明。 傳步驟 了解了上面的基本參數(shù)，下面我們來看看遺傳算法的基本步驟，基本過程為： （ 1） 對待解決問題進行編碼 ， 我們將問題結(jié)構(gòu)變換為位串形式編碼表示的過程叫編碼，而相反將位串形式編碼表示變換為原問題結(jié)構(gòu)的過程叫譯碼； （ 2） 隨機初始化群體 P（ 0） ： =（ p1, ； 計算群體上每個個體的適應(yīng)度值 （ ； （ 3） 評估適應(yīng)度 ,對當(dāng)前群體 P（ t） 中每個個體 算其適應(yīng)度 F（ ，適應(yīng)度表示了該個體的性能好壞； （ 4） 按由個體適應(yīng)度值所決定的某個規(guī)則應(yīng)用選擇算子產(chǎn)生中間代 t） ； （ 5） 依照 擇個體進行交叉操作； （ 6） 仿照 繁殖個體進行變異操作； （ 7） 沒有滿足某種停止條件，則轉(zhuǎn)第 （ 3） 步，否則進入 （ 9） ； （ 8） 輸出種群中適應(yīng)度值最優(yōu)的個體； （ 9） 程序的停止條件最簡單的有如下二種，完成了預(yù)先給定的進化代數(shù)則停止；種群中的最優(yōu)個體在連續(xù)若干代沒有改進或平均適應(yīng)度在連續(xù)若干代基本沒有改進時停止。 根據(jù)遺傳算法思想可以畫出如圖 1示的簡單遺傳算法框圖。 哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 6 開 始結(jié) 束初 始 化 群 體計 算 適 應(yīng) 度 值選 擇 操 作交 叉 操 作變 異 操 作適 應(yīng) 度 最 優(yōu) 群 體條 件 中 止圖 1傳算法的步驟 生物的進化是一個奇妙的優(yōu)化過程，它通過選擇淘汰，突然變異，基因遺傳等規(guī)律產(chǎn)生適應(yīng)環(huán)境變化的優(yōu)良物種。遺傳算法是根據(jù)生物進化思想而啟發(fā)得出的一種全局優(yōu)化算法。 傳算法的特點 為解決各種優(yōu)化計算問題，人們提出了各種各樣的優(yōu)化算法，如單純形法、梯度法、動態(tài)規(guī)劃法。分枝定界法等。這些優(yōu)化算法各有各的長處，各有各的適用范圍，也各有各的限制。遺傳算法是一類可用于復(fù)雜系統(tǒng)優(yōu)化 計算的魯棒搜索算法，與其他一些優(yōu)化算法相比，它主要有下述幾個特點： 哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 7 （ 1） 遺傳算法以決策變量的編碼作為運算對象。傳統(tǒng)的優(yōu)化算法往往直接利用決策變量的實際值本身來進行優(yōu)化計算，但遺傳算法不是直接以決策變量的值，而是以決策變量的某種形式的編碼為運算對象。這種對決策變量的編碼處理方式，使得我們在優(yōu)化計算過程中可以借鑒生物學(xué)中染色體和基因等概念，可以模仿自然界中生物的遺傳和進化等機理，也使得我們可以方便地應(yīng)用遺傳操作算子。特別是對一些無數(shù)值概念或很難有數(shù)值概念，而只有代碼概念的優(yōu)化問題，編碼處理方式更顯示出了其獨特 的優(yōu)越性。 （ 2） 遺傳算法直接以目標函數(shù)值作為搜索信息。傳統(tǒng)的優(yōu)化算法不僅需要利用目標函數(shù)值，而且往往需要目標函數(shù)的導(dǎo)數(shù)值等其他一些輔助信息才能確定搜索方向。而遺傳算法僅使用由目標函數(shù)值變換來的適應(yīng)度函數(shù)值，就可確定進一步的搜索方向和搜索范圍，無需目標函數(shù)的導(dǎo)數(shù)值等其他一些輔助信息。這個特性對很多目標函數(shù)是無法或很難求導(dǎo)數(shù)的函數(shù)，或?qū)?shù)不存在的函數(shù)的優(yōu)化問題，以及組合優(yōu)化問題等，應(yīng)用遺傳算法時就顯得比較方便，因為它避開了函數(shù)求導(dǎo)這個障礙。再者，直接利用目標函數(shù)值或個體適應(yīng)度，也可使得我們可以把搜索范圍集中到 適應(yīng)度較高的部分搜索空間中，從而提高了搜索效率。 （ 3） 遺傳算法同時使用多個搜索點的搜索信息。傳統(tǒng)的優(yōu)化算法往往是從解空間中的一個初始點開始最優(yōu)解的迭代搜索過程。單個搜索點所提供的搜索信息畢竟不多，所以搜索效率不高，有時甚至使搜索過程陷于局部最優(yōu)解而停滯不前。遺傳算法從由很多個體所組成的一個初始群體開始最優(yōu)解的搜索過程 ， 而不是從一個單一的個體開始搜索。對這個群體所進行的選擇、交叉、變異等運算，產(chǎn)生出的乃是新一代的群體，在這之中包括了很多群體信息。這些信息可以避免搜索一些不必搜索的點，所以實際上相當(dāng)于搜索了更 多的點，這是遺傳算法所特有的一種隱含并行性。 （ 4） 遺傳算法使用概率搜索技術(shù)。很多傳統(tǒng)的優(yōu)化算法往往使用的是確哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 8 定性的搜索方法，一個搜索點到另一個搜索點的轉(zhuǎn)移有確定的轉(zhuǎn)移方法和轉(zhuǎn)移關(guān)系，這種確定性往往也有可能使得搜索永遠達不到最優(yōu)點，因而也限制了算法的應(yīng)用范圍。而遺傳算法屬于一種自適應(yīng)概率搜索技術(shù)，其選擇、交叉、變異等運算都是以一種概率的方式來進行的，從而增加了其搜索過程的靈活性。雖然這種概率特性也會使群體中產(chǎn)生一些適應(yīng)度不高的個體，但隨著進化過程的進行，新的群體中總會更多地產(chǎn)生許多優(yōu)良的個體，實踐和理論都已 證明了在一定條件下遺傳算法總是以概率 1收斂于問題的最優(yōu)解。當(dāng)然，交叉概率和變異概率等參數(shù)也會影響算法的搜索效果和搜索效率，所以如何選擇遺傳算法的參數(shù)在其應(yīng)用中是一個比較重要的問題。而另一方面，與其他一些算法相比，遺傳算法的魯棒性又會使得參數(shù)對其搜索效果的影響會盡可能地低。 傳算法的發(fā)展 遺傳算法起源于對生物系統(tǒng)所進行的計算機模擬研究。早在本世紀 40 年代，就有學(xué)者開始研究如何利用計算機進行生物模擬的技術(shù)，他們從生物學(xué)的角度進行了生物的進化過程模擬、遺傳過程模擬等研究工作。進入 60 年代后，美國密執(zhí)安大學(xué)的 授及其學(xué)生們受到這種生物模擬技術(shù)的啟發(fā)，創(chuàng)造出了一種基于生物遺傳和進化機制的適合于復(fù)雜系統(tǒng)優(yōu)計算的自適應(yīng)概率優(yōu)化技術(shù)遺傳算法。下面是在遺傳算法的發(fā)展進程中一些關(guān)鍵人物所作出的一些主要貢獻。 （ 1） 0 世紀 60 年代， 識到了生物的遺傳和自然進化現(xiàn)象與人工自適應(yīng)系統(tǒng)的相似關(guān)系，運用生物遺傳和進化的思想來研究自然和人工自適應(yīng)系統(tǒng)的生成以及它們與環(huán)境的關(guān)系，提出在研究和設(shè)計人工自適應(yīng)系統(tǒng)時，可以借鑒生物遺傳的機制，以群體的方法進行自適應(yīng)搜索，并且充分認識到了交叉 、變異等運算策略在自適應(yīng)系統(tǒng)中的重要性。 20 世紀 70 年代， 授提出了遺傳算法的基本定理 模式定理哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 9 （ ， 從而奠定了遺傳算法的理論基礎(chǔ)。模式定理揭示出了群體中的優(yōu)良個體（較好的模式）的樣本數(shù)將以指數(shù)級規(guī)律增長，因而從理論上保證了遺傳算法是一個可以用來尋求最優(yōu)可行解的優(yōu)化過程。 1975 年，版了第一本系統(tǒng)論述遺傳算法和人工自適應(yīng)系統(tǒng)的專著自然系統(tǒng)和 人 工 系 統(tǒng) 的 自 適 應(yīng) 性 （ 。 20 世紀 80 年代， 授實現(xiàn)了第一個基于遺傳算法的機器學(xué)習(xí)系統(tǒng) 分類器系統(tǒng)（ 簡稱 開創(chuàng)了基于遺傳算法的機器學(xué)習(xí)的新概念，為分類器系統(tǒng)構(gòu)造出了一個完整的框架。 （ 2） 967 年， 學(xué)生 其博士論文中首次提出了 “ 遺傳算法 ” 一詞，并發(fā)表了遺傳算法應(yīng)用方面的第一篇論文。他發(fā)展了復(fù)制、交叉、變異、顯性、倒位等遺傳算子，在個體編碼上使用了雙倍體的編碼方法。這些都與目前遺傳算法中所使用的算子和方法相類似。他還敏 銳地意識到了在遺傳算法執(zhí)行的不同階段可以使用不同的選擇率，這將有利于防止遺傳算法的早熟現(xiàn)象，從而創(chuàng)立了自適應(yīng)遺傳算法的概念。 （ 3） 975 年， 其博士論文中結(jié)合模式定理進行了大量的純數(shù)值函數(shù)優(yōu)化計算實驗，樹立了遺傳算法的工作框架，得到了一些重要且具有指導(dǎo)意義的結(jié)論。例如，對于規(guī)模在 50 100 的群體，經(jīng)過 10 20 代的進化，遺傳算法都能以很高的概率找到最優(yōu)或近似最優(yōu)解，他推薦了在大多數(shù)優(yōu)化問題中都適用的遺傳算法的參數(shù)，還建立了著名的 函數(shù)測試平臺，定義了評價遺傳算法性能的在線指標和離線指標。 （ 4） 989 年， 版了專著搜索、優(yōu)化和機器學(xué)習(xí)中的遺傳算法哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 10（ 。 該書總結(jié)了遺傳算法的主要研究成果。全面而完整地論述了遺傳算法的基本原理及其應(yīng)用?？梢哉f這本書奠定了現(xiàn)代遺傳算法的科學(xué)基礎(chǔ)，為眾多研究和發(fā)展遺傳算法的學(xué)者所矚目。 （ 5） 991 年， 輯出版了遺傳算法手冊（ 量應(yīng)用實例，這本書為推廣和普及遺傳算法的應(yīng)用起到了重要的指導(dǎo)作用。 （ 6） 992 年， 遺傳算法應(yīng)用于計算機程序的優(yōu)化設(shè)計及自動生成，提出了遺傳編程（ 稱 概念。他將一段 言程序作為個體的基因型，把問題的解編碼為一棵樹，基于遺傳和進化的概念，對由樹組成的群體進行遺傳運算，最終自動生成性能較好的計算機程序。 器學(xué)習(xí)、符 號處理等方面。 傳算法的應(yīng)用 遺傳算法提供了一種求解復(fù)雜系統(tǒng)問題的通用框架，它不依賴于問題的具體領(lǐng)域，對問題的種類有很強的魯棒性，所以廣泛應(yīng)用于很多學(xué)科。下面是遺傳算法的一些主要應(yīng)用領(lǐng)域。 （ 1） 函數(shù)優(yōu)化 函數(shù)優(yōu)化是遺傳算法的經(jīng)典應(yīng)用領(lǐng)域，也是對遺傳算法進行性能評價的常用算例。很多人構(gòu)造了各種各樣的復(fù)雜形式的測試函數(shù)，有連續(xù)函數(shù)也有離散函數(shù)，有凸函數(shù)也有凹函數(shù)，有低維函數(shù)也有高維函數(shù)，有確定函數(shù)也有隨機函數(shù)，有單峰值函數(shù)也有多峰值函數(shù)等，用這些幾何特性各具特色的函數(shù)來評價遺傳算法的性能，更能反映算法的本質(zhì) 效果。而對于一些非線性、多模哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 11型、多目標的函數(shù)優(yōu)化問題，用其他優(yōu)化方法較難求解，而遺傳算法卻可以方便地得到較好的結(jié)果。 （ 2） 組合優(yōu)化 隨著問題規(guī)模的增大，組合優(yōu)化問題的搜索空間也急劇擴大，有時在目前的計算機上用枚舉法很難或甚至不可能求出其精確最優(yōu)解。對這類復(fù)雜問題，人們已意識到應(yīng)把主要精力放在尋求其滿意解上，而遺傳算法是尋求這種滿意解的最佳工具之一。實踐證明，遺傳算法對于組合優(yōu)化中的 全問題非常有效。例如，遺傳算法已經(jīng)在求解旅行商問題、背包問題、裝箱問題、圖形劃分問題等方面得到成功的應(yīng)用。 （ 3） 生產(chǎn)調(diào) 度問題 生產(chǎn)調(diào)度問題在很多情況下所建立起來的數(shù)學(xué)模型難以精確求解，即使經(jīng)過一些簡化之后可以進行來解，也會因簡化的太多而使得求解結(jié)果與實際相差甚遠。而目前在現(xiàn)實生產(chǎn)中也主要是靠一些經(jīng)驗來進行調(diào)度。現(xiàn)在遺傳算法已經(jīng)為解決復(fù)雜調(diào)度問題的有效工具，在單件生產(chǎn)車間調(diào)度、流水線生產(chǎn)車間調(diào)度、生產(chǎn)規(guī)劃、任務(wù)分配等方面遺傳算法都得到了有效的應(yīng)用。 （ 4） 自動控制 在自動控制領(lǐng)域中有很多與優(yōu)化相關(guān)的問題需要求解，遺傳算法已在其中得到了初步的應(yīng)用，并顯示了良好的效果。例如用遺傳算法進行航空控制系統(tǒng)的優(yōu)化、使用遺傳算法設(shè)計空間交 會控制器、基于遺傳算法的模糊控制器的優(yōu)化設(shè)計、基于遺傳算法的參數(shù)辨識、基于遺傳算法的模糊控制規(guī)則的學(xué)習(xí)、利用遺傳算法進行人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化設(shè)計和權(quán)值學(xué)習(xí)等，都顯示除了遺傳算法在這些領(lǐng)域中應(yīng)用的可能性。 （ 5） 機器人學(xué)習(xí) 機器人是一類復(fù)雜的難以精確建模的人工系統(tǒng) ， 而遺傳算法的起源就來自于對人工自適應(yīng)系統(tǒng)的研究 ， 所以機器人學(xué)理所當(dāng)然地成為遺傳算法的一個哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 12重要應(yīng)用領(lǐng)域。例如，遺傳算法已經(jīng)在移動機器人路徑規(guī)劃、關(guān)節(jié)機器人運動軌跡規(guī)劃、機器人逆運動學(xué)求解、細胞機器人的結(jié)構(gòu)優(yōu)化和行為協(xié)調(diào)等方面得到研究和應(yīng)用。 （ 6） 圖像處理 圖像處理是計算機視覺中的一個重要研究領(lǐng)域。在圖像處理過程中，如掃描、特征提取、圖像分割等不可避免地會存在一些誤差，這些誤差會影響圖像處理的效果。如何使這些誤差最小是使計算機視覺達到實用化的重要要求。遺傳算法在這些圖像處理中的優(yōu)化計算方面找到了用武之地，目前已在模式識別、圖像恢復(fù)、圖像邊緣特征提取等方面得到了應(yīng)用。 （ 7） 人工生命 人工生命是用計算機、機械等人工媒體模擬或構(gòu)造出的具有自然生物系統(tǒng)特有行為的人造系統(tǒng)。自組織能力和自學(xué)習(xí)能力是人工生命的兩大主要特征。人工生命與遺傳算法有著密切的關(guān)系，基于 遺傳算法的進化模型是研究人工生命現(xiàn)象的重要基礎(chǔ)理論。雖然人工生命的研究尚處于啟蒙階段，但遺傳算法已在其進化模型、學(xué)習(xí)模型、行為模型、自組織模型等方面顯示出了初步的應(yīng)用能力，并且必將得到更為深入的應(yīng)用和發(fā)展。人工生命和遺傳算法相輔相成，遺傳算法為人工生命的研究提供了一個有效的工具，人工生命的研究也必將促進遺傳算法的進一步發(fā)展。 （ 8） 遺傳編程 展了遺傳編程的概念，他使用了以 言所表示的編碼方法，基于對一種樹型結(jié)構(gòu)所進行的遺傳操作來自動生成計算機程序。雖然遺傳編程的理論尚未成熟，應(yīng)用也有一些限 制，但它已成功地應(yīng)用于人工智能、機器學(xué)習(xí)等領(lǐng)域。 （ 9） 機器學(xué)習(xí) 學(xué)習(xí)能力是高級自適應(yīng)系統(tǒng)所應(yīng)具備的能力之一。基于遺傳算法的機器哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 13學(xué)習(xí)，特別是分類器系統(tǒng)，在很多領(lǐng)域中都得到了應(yīng)用。例如，遺傳算法被用于學(xué)習(xí)模糊控制規(guī)則，利用遺傳算法來學(xué)習(xí)隸屬度函數(shù)，從而更好地改進了模糊系統(tǒng)的性能。基于遺傳算法的機器學(xué)習(xí)可用來調(diào)整人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)，也可用于人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計，分類器系統(tǒng)也在學(xué)習(xí)式多機器人路徑規(guī)劃系統(tǒng)中得到了成功的應(yīng)用。 前研究現(xiàn)狀 遺傳算法（ A）是由美國密執(zhí) 安大學(xué)的 授（ 1969 年）根據(jù)生物進化的模型提出的一類模擬進化算法。遺傳算法是一種基于自然群體遺傳演化機制的高效探索算法，它摒棄了傳統(tǒng)的搜索方式，模擬自然界生物進化過程，采用人工進化的方式對目標空間進行隨機化搜索。它將問題域中的可能解看作是群體的一個個體或染色體，并將每一個個體編碼成符號串形式，模擬達爾文的遺傳選擇和自然淘汰的生物進化過程，對群體反復(fù)進行基于遺傳學(xué)的操作（遺傳，交叉和變異），根據(jù)預(yù)定的目標適應(yīng)度函數(shù)對每個個體進行評價，依據(jù)適者生存，優(yōu)勝劣汰的進化規(guī)則，不斷得到更優(yōu)的群體，同時以 全局并行搜索方式來搜索優(yōu)化群體中的最優(yōu)個體，求得滿足要求的最優(yōu)解。 在當(dāng)前的工業(yè)控制器中，有半數(shù)以上的控制采用 變形 制。它直接影響控制效果的好壞，并和系統(tǒng)的安全、經(jīng)濟運行有著密不可分得關(guān)系。 “ 反饋系統(tǒng)的綜合 ” 一書中提出了 8 種二自由度 制的構(gòu)成方法。在各種實現(xiàn)二自由度的方法中，在傳統(tǒng)的測定值微分先行型附加目標值濾波器，構(gòu)成的目標值濾波器型二自由度 有以下幾個特點：能繼承、活用傳統(tǒng)的技術(shù)成果；可以很容易地適用于現(xiàn)存系統(tǒng)；推導(dǎo)公式的展開簡明，容易；結(jié)構(gòu) 簡單，功能及作用容易理解。 制的效果取決于 3 個參數(shù) i,否合理。如何優(yōu)化這 3 個參數(shù) ,對控制效果的影響是極其關(guān)鍵的。獲取 數(shù)主要方法有 ,人工調(diào)整以及人工智能哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 14優(yōu)化等。 課題主要研究內(nèi)容 本設(shè)計應(yīng)用遺傳算法優(yōu)化二自由度的 制器參數(shù)， 的仿真工具 學(xué)習(xí)使用編制仿真程序進行仿真，以滿足 以下幾方面內(nèi)容： 1） 掌握 制的基本知識； 2） 掌握二自由度 制的基本結(jié)構(gòu)和特點； 3） 掌握遺傳算法的基本過程； 4） 掌握 設(shè)計與 仿真，及遺傳算法工具箱或編程； 5） 編程實現(xiàn)基于遺傳算法的 制器參數(shù)優(yōu)化； 6） 仿真實例研究、結(jié)果分析； 7） 遺傳算法的不足與展望。 哈爾濱工業(yè)大學(xué)遠程教育本科畢業(yè)設(shè)計（論文） 15第 2章 遺傳算法的基本實現(xiàn)技術(shù) 碼方法 在遺傳算法的運行過