《智能控制》IntelligentControl第九章其他智能控制9.1仿人控制9.1.1仿人控制原理與原型算法1.仿人控制的基本原理

仿人控制的基本思想就是在模擬人的控制結(jié)構(gòu)的基礎(chǔ)上，進(jìn)一步研究和模擬人的控制行為與功能，并把它用于控制系統(tǒng)，實(shí)現(xiàn)控制目標(biāo)。

仿人控制研究的主要目標(biāo)不是被控對(duì)象，而是控制器本身如何對(duì)控制專家結(jié)構(gòu)和行為的模擬。

仿人控制理論的具體研究方法是：從遞階控制系統(tǒng)的最底層（執(zhí)行級(jí)）入手，充分應(yīng)用已有各種控制理論和計(jì)算機(jī)仿真結(jié)果直接對(duì)人的控制經(jīng)驗(yàn)、技巧和各種直覺(jué)推理能力進(jìn)行測(cè)辨和總結(jié)，編制成各種實(shí)用、精度高、能實(shí)時(shí)運(yùn)行的控制算法，并把它們直接應(yīng)用于實(shí)際控制系統(tǒng)，進(jìn)而建立起系統(tǒng)的仿人控制理論體系，最后發(fā)展成智能控制理論。（4）啟發(fā)式和直覺(jué)推理問(wèn)題求解.仿人控制在結(jié)構(gòu)和功能上具有以下基本特征：（1）遞階信息處理和決策機(jī)構(gòu)；（2）在線特征辨識(shí)和特征記憶；（3）開(kāi)閉環(huán)結(jié)合和定性與定量結(jié)合的多模態(tài)控制；2.仿人控制的原型算法（9.1）

圖9.1仿人控制系統(tǒng)的一般結(jié)構(gòu)任務(wù)適應(yīng)層+_擾動(dòng)受控對(duì)象反饋參數(shù)校正層直接控制層公共數(shù)據(jù)庫(kù)ERUY圖9.2誤差相平面上的特征和控制模態(tài)

當(dāng)系統(tǒng)誤差處于誤差相平面的第一與第三象限，即或且時(shí)，仿人智能控制器工作于比例控制模態(tài)；而當(dāng)誤差處于誤差相平面的第二與第四象限，即或時(shí)，仿人智能控制器工作于保持控制模態(tài)。

9.1.2仿人控制器的智能屬性（1）一般傳統(tǒng)控制器的輸入輸出關(guān)系是一種單映射關(guān)系，而仿人控制器原型是一種雙映射關(guān)系，即一種變模態(tài)控制，一種開(kāi)閉環(huán)交替的控制模式。

（2）在仿人控制原型算法中，控制策略與控制模態(tài)的選擇和確定是按照誤差變化趨勢(shì)的特征進(jìn)行的，而確定誤差變化趨勢(shì)特征的集合反映在誤差相平面上的全部特征，構(gòu)成整個(gè)控制決策的依據(jù)，即特征模型。

（3）仿人控制器原型在維持模態(tài)時(shí)對(duì)誤差極值的記憶和利用，與人的記憶方式及對(duì)記憶的利用相似，即兩者具有相似的特征記憶作用。

9.1.3仿人控制的特征模型和決策模態(tài)1.描述動(dòng)態(tài)系統(tǒng)特征狀態(tài)的特征基元和特征模式9.1.3.1仿人控制的特征模式與特征辨識(shí)系統(tǒng)動(dòng)態(tài)特征的模式識(shí)別主要是對(duì)動(dòng)態(tài)特征模式的分類。根據(jù)受控系統(tǒng)輸出偏差e、偏差導(dǎo)數(shù)以及它們的適當(dāng)組合構(gòu)成的特征變量,劃分動(dòng)態(tài)特征模式,并通過(guò)這些特征模式描述系統(tǒng)的動(dòng)態(tài)行為特征,或用這些特征模式直觀地反映系統(tǒng)的動(dòng)態(tài)過(guò)程,以期為智能控制決策提供依據(jù)。

受控系統(tǒng)動(dòng)態(tài)過(guò)程的輸入和輸出數(shù)據(jù)(序列)包含受控過(guò)程的全部信息。由系統(tǒng)輸出偏差e、偏差導(dǎo)數(shù)、偏差二階導(dǎo)數(shù)構(gòu)成描述受控系統(tǒng)特征狀態(tài)的特征信息源,并用集合E表示:E={e,,}2.特征模型的定義及形式化描述

特征模型Φ是一種智能控制系統(tǒng)動(dòng)態(tài)特性的定量與定性綜合描述的模型,是根據(jù)不同的控制問(wèn)題求解和控制指標(biāo)要求而對(duì)系統(tǒng)動(dòng)態(tài)信息空間∑的一種劃分；劃分出的每個(gè)子區(qū)域表示系統(tǒng)的一種特征狀態(tài)φi。特征模型Φ為全部特征狀態(tài)的集合,即:

Φ={φ1，φ2，…，φr}，φi∈Σ

定義9.1特征模型特征狀態(tài)由一些特征基元qi的組合來(lái)描述。特征辨識(shí)是智能控制系統(tǒng)根據(jù)特征模型對(duì)采樣信息進(jìn)行在線處理和模式識(shí)別，確定系統(tǒng)當(dāng)前所處狀態(tài)的過(guò)程。3.特征辨識(shí)與特征記憶定義9.2特征辨識(shí)特征記憶是智能控制對(duì)反映前期決策與控制效果的特征量及反映控制任務(wù)要求和受控對(duì)象性質(zhì)的特征量的記憶。令特征記憶量的集合為:={λ1,λ2,…,λp},λi

∈Σ

定義9.3特征記憶在仿人智能控制系統(tǒng)中,往往利用特征記憶來(lái)消除偏差,改善控制品質(zhì),直接影響控制輸出。

特征辨識(shí)根據(jù)特征模型在線確定系統(tǒng)當(dāng)前所處特征運(yùn)動(dòng)狀態(tài),而控制器按照特征辨識(shí)結(jié)果選擇相應(yīng)的控制模態(tài)。9.1.3.2仿人控制的多模態(tài)控制1.多模態(tài)控制（決策）控制(決策)模態(tài)集合Ψ是控制輸出U與誤差信息E和特征記憶信息(合記為R)間的一種定量或定性映射關(guān)系F的集合,記為:Ψ={Ψ1,Ψ2,…,Ψr}Ψ1:

Ui=

Fi(e,,λi,…)或者Fi→IF(條件)THEN(操作或結(jié)論)稱智能控制中這種不斷變化的控制策略為多模態(tài)控制(決策)。定義9.4多模態(tài)控制（決策）典型的仿人控制模態(tài)基元有比例(m1)控制模態(tài)基元、微分控制(m2)模態(tài)基元、積分控制(m3)模態(tài)基元及其組合(如PID)模態(tài)基元、極值采樣保持(m5)與穩(wěn)態(tài)保持(m4)模態(tài)基元、開(kāi)關(guān)控制(m6)模態(tài)基元等。啟發(fā)與直覺(jué)推理規(guī)則集Ω是對(duì)人決策過(guò)程的一種模仿;它根據(jù)特征辨識(shí)結(jié)果確定控制與決策策略?？捎卯a(chǎn)生式規(guī)則“IF…THEN…”進(jìn)行描述。2.啟發(fā)與直覺(jué)推理定義9.5啟發(fā)與直覺(jué)推理通過(guò)特征辯識(shí)識(shí)別出系統(tǒng)的當(dāng)前狀態(tài)并采用相應(yīng)控制模態(tài)的過(guò)程,可看成對(duì)人的啟發(fā)式和直覺(jué)推理的一種模仿。

9.1.4.1.仿人控制系統(tǒng)的設(shè)計(jì)依據(jù)9.1.4仿人控制器的設(shè)計(jì)與實(shí)現(xiàn)仿人控制器的設(shè)計(jì)建立在系統(tǒng)特征模型和特征辨識(shí)的多模態(tài)控制方式基礎(chǔ)上，為設(shè)計(jì)受控系統(tǒng)的特征模型和控制模態(tài)集，并設(shè)定其參數(shù)，需要建立一種能夠根據(jù)系統(tǒng)瞬態(tài)響應(yīng)來(lái)判斷系統(tǒng)當(dāng)前狀態(tài)與目標(biāo)狀態(tài)差別以及當(dāng)前運(yùn)行趨勢(shì)的指標(biāo)，并以該指標(biāo)作為設(shè)計(jì)的目標(biāo)函數(shù)。

定義9.6瞬態(tài)性能指標(biāo)

一個(gè)能評(píng)價(jià)智能控制系統(tǒng)運(yùn)行的瞬態(tài)品質(zhì)，并能兼顧系統(tǒng)的快速性、穩(wěn)定性和精確性指標(biāo)要求的理想誤差時(shí)相軌跡稱為仿人控制系統(tǒng)的瞬態(tài)性能指標(biāo)。

①

⑧⑦BA·C②③④⑤⑥⑨·

D圖9.12 具有理想性能的系統(tǒng)誤差時(shí)相軌跡9.1.4.2仿人智能控制器設(shè)計(jì)與實(shí)現(xiàn)的一般步驟

2.建立對(duì)象的數(shù)理模型

1.確定設(shè)計(jì)目標(biāo)軌跡

根據(jù)用戶對(duì)受控對(duì)象控制性能指標(biāo)（如上升時(shí)間、超調(diào)量、穩(wěn)態(tài)精度等）的要求，確定理想的單位階躍響應(yīng)過(guò)程，并把它變換到（）時(shí)相空間中去，構(gòu)成理想的誤差時(shí)相軌跡。

根據(jù)受控對(duì)象或系統(tǒng)的生產(chǎn)流程、機(jī)電結(jié)構(gòu)、工藝特點(diǎn)和控制要求等，結(jié)合自動(dòng)控制和相關(guān)基礎(chǔ)理論和專業(yè)知識(shí)或經(jīng)驗(yàn)，建立相應(yīng)的過(guò)程物理與數(shù)學(xué)模型，作為進(jìn)一步設(shè)計(jì)與分析的數(shù)學(xué)基礎(chǔ)。

3.建立各控制級(jí)的特征模型或控制算法根據(jù)目標(biāo)軌跡在誤差相平面（）上的位置或誤差時(shí)間平面（）上的位置，以及控制器的不同級(jí)別（運(yùn)行控制級(jí)、參數(shù)校正級(jí)、任務(wù)適應(yīng)級(jí)），確定特征基元集劃分出特征狀態(tài)集，從而構(gòu)成不同級(jí)別的特征模型

⊙4.設(shè)計(jì)控制器的結(jié)構(gòu)

++HSIC1

協(xié)調(diào)算法HSIC2G22G21G12G11R1_R2++++_Y2Y1圖9.14某軋鋼機(jī)控制系統(tǒng)整體結(jié)構(gòu)框圖5.設(shè)計(jì)控制模態(tài)集與控制規(guī)則

針對(duì)系統(tǒng)運(yùn)動(dòng)狀態(tài)處于特征模型中某特征狀態(tài)時(shí)與瞬態(tài)指標(biāo)（理想軌跡）之間的差距，以及理想軌跡的運(yùn)動(dòng)趨勢(shì)，模仿人的控制決策行為，設(shè)計(jì)控制規(guī)則或校正模態(tài)，并設(shè)計(jì)出模態(tài)中的具體參數(shù)。6.仿真和試驗(yàn)研究

選擇典型狀況和參數(shù)對(duì)控制系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)，并通過(guò)仿真調(diào)整系統(tǒng)設(shè)定的參數(shù)，以至修正系統(tǒng)控制結(jié)構(gòu)，使仿真結(jié)果滿足動(dòng)態(tài)和靜態(tài)控制要求。如果條件許可，應(yīng)在仿真研究的基礎(chǔ)上，進(jìn)行系統(tǒng)實(shí)時(shí)實(shí)驗(yàn)或工業(yè)試驗(yàn)，以進(jìn)一步驗(yàn)證系統(tǒng)設(shè)計(jì)的正確性和系統(tǒng)品質(zhì)的優(yōu)越性。ⅢⅡⅠ(a)

(b)e3e4e5e

圖9.15設(shè)計(jì)擬人智能控制器的誤差相平面圖9.1.5仿人控制器的設(shè)計(jì)與實(shí)現(xiàn)示例

1.小車－單擺系統(tǒng)的數(shù)學(xué)模型

9.1.5.1小車－單擺系統(tǒng)仿人控制器的設(shè)計(jì)

θ-0+r

-u+0-+圖9.16小車-單擺系統(tǒng)結(jié)構(gòu)示意圖(7.25)

符號(hào)含義M小車及轉(zhuǎn)動(dòng)裝置的等效質(zhì)量m單擺質(zhì)量J單擺以質(zhì)心為轉(zhuǎn)動(dòng)軸心時(shí)的轉(zhuǎn)動(dòng)慣量l單擺質(zhì)心與軸心距離u控制作用（u）r小車位移單擺擺角（角位移）2.小車－單擺系統(tǒng)仿人控制器的結(jié)構(gòu)設(shè)計(jì)

++

協(xié)調(diào)控制器仿人智能控制器小車控制回路G2單擺控制回路G1小車UC2單擺UC1CC耦合回路

圖9.17小車單擺系統(tǒng)仿人控制器結(jié)構(gòu)圖+3.各控制階段的控制作用、控制模態(tài)集和控制規(guī)則集

小車－單擺系統(tǒng)的單擺擺起定位控制分為兩個(gè)階段進(jìn)行，即起擺控制階段和穩(wěn)擺控制階段。

4.仿人控制器參數(shù)的確定

9.1.5.2小車－單擺系統(tǒng)仿人控制器的實(shí)現(xiàn)

人鍵盤顯示器和打印機(jī)小車-單擺系統(tǒng)HSIC控制器干擾期望值圖9.19小車－單擺仿人控制的CAD學(xué)習(xí)訓(xùn)練系統(tǒng)(b)(a)

圖9.21小車－單擺擺起倒立試驗(yàn)穩(wěn)態(tài)位置(c)

(d)9.

2進(jìn)化控制遺傳算法(GeneticAlgorithms,GA)進(jìn)化策略(EvolutionStrategies)進(jìn)化規(guī)劃(EvolutionaryProgramming)遺傳編程(GeneticProgramming)把進(jìn)化計(jì)算，特別是遺傳算法機(jī)制和傳統(tǒng)的反饋機(jī)制用于控制過(guò)程，則可實(shí)現(xiàn)一種新的控制----進(jìn)化控制進(jìn)化計(jì)算(EvolutionComputation)9.2.1遺傳算法的基本原理

遺傳算法是模仿生物遺傳學(xué)和自然選擇機(jī)理，通過(guò)人工方式構(gòu)造的一類優(yōu)化搜索算法，是對(duì)生物進(jìn)化過(guò)程進(jìn)行的一種數(shù)學(xué)仿真，是進(jìn)化計(jì)算的一種最重要的形式。1975年，霍蘭德(Holland)《AdaptationinNaturalandArtificialSystems》簡(jiǎn)單遺傳算法（SGA）銷售員旅行問(wèn)題（TSP）設(shè)有n個(gè)城市，城市i和城市j之間的距離為d(i,j)i,j=1,…,n。TSP問(wèn)題是要找遍訪每個(gè)城市恰好一次的一條回路，且其路徑總長(zhǎng)度為最短。1編碼與解碼編碼將問(wèn)題結(jié)構(gòu)變換為位串形式編碼表示的過(guò)程。解碼或譯碼將位串形式編碼表示變換為原問(wèn)題結(jié)構(gòu)的過(guò)程。把位串形式編碼表示叫染色體，有時(shí)也叫個(gè)體。每個(gè)染色體的每一位稱為遺傳因子。編碼二進(jìn)制編碼浮點(diǎn)數(shù)編碼格雷碼符號(hào)編碼多參數(shù)編碼二進(jìn)制編碼假設(shè)某一參數(shù)的取值范圍是[A,B]，A<B。我們用長(zhǎng)度為l的二進(jìn)制編碼串來(lái)表示該參數(shù)，將[A,B]等分成2l-1個(gè)子部分，記每一個(gè)等分的長(zhǎng)度為δ，則它能夠產(chǎn)生2l種不同的編碼。二進(jìn)制編碼參數(shù)編碼的對(duì)應(yīng)關(guān)系如下：00000000…00000000=0A00000000…00000001=1A+δ………………11111111…11111111=2l-1B

其中解碼假設(shè)某一個(gè)體的編碼是則上述二進(jìn)制編碼所對(duì)應(yīng)的解碼公式為：編碼解碼舉例例1用遺傳算法求解函數(shù)的最大值，其中。用一個(gè)二進(jìn)制矢量表示一個(gè)染色體，由染色體來(lái)代表變量x的實(shí)數(shù)值。矢量的長(zhǎng)度取決于所要求的精度，在此取小數(shù)點(diǎn)后6位數(shù)。編碼解碼舉例由于變量x的域長(zhǎng)為3，則[-1,2]將被均勻地分為3×1000000個(gè)等長(zhǎng)的區(qū)間。這表明每個(gè)染色體由22位字節(jié)的二進(jìn)制矢量表示。因?yàn)榫幋a解碼舉例區(qū)間[-1,2]中的x和二進(jìn)制串<b21b20┉b0>之間的映射是直接的，并由以下兩步進(jìn)行：(a)將二進(jìn)制串轉(zhuǎn)化為相應(yīng)的十進(jìn)制：(b)找到相應(yīng)的實(shí)數(shù)x：其中-1.0為區(qū)間[-1,2]的左邊界，3為區(qū)間長(zhǎng)度。編碼解碼舉例顯然(0000000000000000000000)和(1111111111111111111111)分別表示區(qū)間的邊界-1.0和2.0這樣就可以將實(shí)數(shù)以二進(jìn)制數(shù)（染色體）來(lái)表述，如，(1000101110110101000111)表示實(shí)數(shù)0.637197，因?yàn)楦↑c(diǎn)數(shù)編碼個(gè)體的每個(gè)染色體用某一范圍內(nèi)的一個(gè)浮點(diǎn)數(shù)來(lái)表示，個(gè)體的編碼長(zhǎng)度等于其問(wèn)題變量的個(gè)數(shù)。特點(diǎn)：使用的是變量的真實(shí)值（真值編碼方法）適用：多維、高精度要求的連續(xù)函數(shù)優(yōu)化問(wèn)題。格雷碼連續(xù)的兩個(gè)整數(shù)所對(duì)應(yīng)的編碼值之間只有一個(gè)碼位是不相同的，其余碼位都完全相同。解碼的方法：用‘0’和采集來(lái)的4位格雷碼的最高位（第4位）異或，結(jié)果保留到4位，再將異或的值和下一位（第3位）相異或，結(jié)果保留到3位，再將相異或的值和下一位（第2位）異或，結(jié)果保留到2位，依次異或，直到最低位，依次異或轉(zhuǎn)換后的值（二進(jìn)制數(shù)）就是格雷碼轉(zhuǎn)換后自然碼的值。幾種自然二進(jìn)制碼與格雷碼的對(duì)照表十進(jìn)制數(shù)自然二進(jìn)制數(shù)格雷碼十進(jìn)制數(shù)自然二進(jìn)制數(shù)格雷碼000000000810001100100010001910011101200100011101010111130011001011101111104010001101211001010501010111131101101160110010114111010017011101001511111000符號(hào)編碼個(gè)體染色體編碼串中的基因值取自一個(gè)無(wú)數(shù)值含義，而只有代碼含義的符號(hào)集。這個(gè)符號(hào)集可以是一個(gè)字母表，如{A,B,C,D,…}；也可以是一個(gè)數(shù)字序號(hào)表，如{1,2,3,4,5,…}，還可以是一個(gè)代碼表，如{x1,x2,x3,x4,x5,…}等。旅行問(wèn)題(TSP)編碼按一條回路中城市的次序進(jìn)行編碼，例如，碼串134567829表示從城市1開(kāi)始，依次是城市3,4,5,6,7,8,2,9，最后回到城市1。采用符號(hào)編碼方法一般情況是從城市w1開(kāi)始，依次經(jīng)過(guò)城市w2,…,wn，最后回到城市w1，我們就用如下編碼表示：w1w2…wn其實(shí)是1,…,n的一個(gè)循環(huán)排列。2適應(yīng)度函數(shù)(FitnessFunction)為了體現(xiàn)染色體的適應(yīng)能力，引入對(duì)問(wèn)題中的每一個(gè)染色體都能進(jìn)行度量的適應(yīng)度函數(shù)，通過(guò)適應(yīng)度函數(shù)來(lái)決定染色體的優(yōu)劣程度，它體現(xiàn)了自然進(jìn)化中的優(yōu)勝劣汰原則。對(duì)優(yōu)化問(wèn)題，適應(yīng)度函數(shù)就是目標(biāo)函數(shù)。旅行問(wèn)題(TSP)的適應(yīng)度函數(shù)TSP的目標(biāo)是路徑總長(zhǎng)度為最短適應(yīng)度函數(shù)3遺傳操作簡(jiǎn)單遺傳算法的遺傳操作主要有3種：選擇（Selection）交叉（Crossover）變異（Mutation）選擇操作(Selection)選擇操作也叫復(fù)制（Reproduction)操作，根據(jù)個(gè)體的適應(yīng)度函數(shù)值所度量的優(yōu)劣程度決定它在下一代是被淘汰還是被遺傳。賭輪選擇機(jī)制簡(jiǎn)單遺傳算法采用賭輪選擇機(jī)制：令表示群體的適應(yīng)度值之總和，表示群體中第個(gè)染色體的適應(yīng)度值，它產(chǎn)生后代的能力正好為其適應(yīng)度值所占份額交叉操作(Crossover)將選擇出的兩個(gè)個(gè)體P1和P2作為父母?jìng)€(gè)體，將兩者的部分碼值進(jìn)行交換。假設(shè)有如下八位長(zhǎng)的二個(gè)個(gè)體：P21000111011011001P1交叉演示產(chǎn)生一個(gè)在1到7之間的隨機(jī)數(shù)c，假如現(xiàn)在產(chǎn)生的是3，將P1和P2的低三位交換：P1的高五位與P2的低3位組成數(shù)串10001001，這就是P1和P2的一個(gè)后代Q1個(gè)體；P2的高5位與P1的低3位組成數(shù)串11011110，這就是P1和P2的一個(gè)后代Q2個(gè)體。其交換過(guò)程如下圖所示：01110001100100011001101101111011P1P2Q1Q2變異操作(Mutation)變異操作的簡(jiǎn)單方式是改變數(shù)碼串的某個(gè)位置上的數(shù)碼。我們先以最簡(jiǎn)單的二進(jìn)制編碼表示方式來(lái)說(shuō)明，二進(jìn)制編碼表示的每一個(gè)位置的數(shù)碼只有0與1這兩個(gè)可能。二進(jìn)制編碼表示時(shí)的簡(jiǎn)單變異操作是將0與1互換：0變異為1，1變異為0。二進(jìn)制變異演示設(shè)碼長(zhǎng)為8，隨機(jī)產(chǎn)生一個(gè)1至8之間的數(shù)k，假如現(xiàn)在k=5，對(duì)從右往左的第5位進(jìn)行變異操作，將原來(lái)的0變?yōu)?，得到如下數(shù)碼串（紅色的數(shù)字1是被變異操作后出現(xiàn)的）：0110010101101101隨機(jī)產(chǎn)生一個(gè)1至n之間的數(shù)k，決定對(duì)回路中的第k個(gè)城市的代碼wk進(jìn)行變異操作，又產(chǎn)生一個(gè)1至n之間的數(shù)w，替代wk，并將wk加到尾部，得到這個(gè)串有n+1個(gè)數(shù)碼，注意數(shù)w在此串中重復(fù)了，必須刪除與數(shù)w相重復(fù)的數(shù)，從而得到合法的染色體。TSP變異操作9.2.2遺傳算法的求解步驟遺傳算法是對(duì)參數(shù)集合的編碼而非針對(duì)參數(shù)本身進(jìn)行進(jìn)化；遺傳算法是從問(wèn)題解的編碼組開(kāi)始而非從單個(gè)解開(kāi)始搜索；遺傳算法利用目標(biāo)函數(shù)的適應(yīng)度這一信息而非利用導(dǎo)數(shù)或其他輔助信息來(lái)指導(dǎo)搜索；遺傳算法利用選擇、交叉、變異等算子而不是利用確定性規(guī)則進(jìn)行隨機(jī)操作。1.遺傳算法的特點(diǎn)遺傳算法的基本原理：通過(guò)隨機(jī)方式產(chǎn)生若干個(gè)所求解問(wèn)題的數(shù)字編碼，即染色體，形成初始群體；通過(guò)適應(yīng)度函數(shù)給每個(gè)個(gè)體一個(gè)數(shù)值評(píng)價(jià)，淘汰低適應(yīng)度的個(gè)體，選擇高適應(yīng)度的個(gè)體參加遺傳操作，經(jīng)過(guò)遺傳操作后的個(gè)體集合形成下一代群體。再對(duì)這個(gè)新群體進(jìn)行下一輪進(jìn)化。2.遺傳算法的框圖(1)初始化群體;(2)計(jì)算群體上每個(gè)個(gè)體的適應(yīng)度值;(3)按由個(gè)體適應(yīng)度值所決定的某個(gè)規(guī)則,選擇將進(jìn)入下一代的個(gè)體;(4)按概率Pc進(jìn)行交叉操作;(5)按概率Pm進(jìn)行突變操作;(6)若沒(méi)有滿足某種停止條件，則轉(zhuǎn)第(2)步，否則進(jìn)入下一步。(7)輸出群體中適應(yīng)度值最優(yōu)的染色體,作為問(wèn)題的滿意解或最優(yōu)解。簡(jiǎn)單遺傳算法的求解步驟簡(jiǎn)單遺傳算法的框圖初始化種群變異操作計(jì)算適應(yīng)度值選擇操作交叉操作輸出結(jié)果終止條件開(kāi)始否是一般遺傳算法的主要步驟(1)隨機(jī)產(chǎn)生一個(gè)由確定長(zhǎng)度的特征字符串組成的初始群體。(2)

對(duì)該字符串群體迭代的執(zhí)行下面的步①和②，直到滿足停止標(biāo)準(zhǔn)：①計(jì)算群體中每個(gè)個(gè)體字符串的適應(yīng)值；②應(yīng)用復(fù)制、交叉和變異等遺傳算子產(chǎn)生下一代群體。(3)

把在后代中出現(xiàn)的最好的個(gè)體字符串指定為遺傳算法的執(zhí)行結(jié)果，這個(gè)結(jié)果可以表示問(wèn)題的一個(gè)解?；具z傳算法框圖產(chǎn)生初始群體計(jì)算每個(gè)個(gè)體的適應(yīng)值GEN:=GEN+1依概率選擇遺傳操作執(zhí)行復(fù)制選擇一個(gè)個(gè)體i:=i+1選擇兩個(gè)個(gè)體選擇一個(gè)個(gè)體執(zhí)行變異i:=0復(fù)制到新群體i:=i+1將兩個(gè)后代插入新群體插入到新群體執(zhí)行雜交否是否變異復(fù)制交叉GEN:=0開(kāi)始是指定結(jié)果結(jié)束i=M?是否滿足停止準(zhǔn)則遺傳算法的一般結(jié)構(gòu)表示

Procedure:GeneticAlgorithmsbegint←0;initializeP(t);evaluateP(t);while(notterminationcondition)dobeginrecombineP(t)toyieldC(t);evaluateC(t);selectP(t+1)fromP(t)andC(t);t←t+1;endend9.2.3進(jìn)化控制及其形式化描述

進(jìn)化控制（evolutionarycontrol）源于生物的進(jìn)化機(jī)制。

進(jìn)化控制是建立在進(jìn)化計(jì)算和反饋控制相結(jié)合的基礎(chǔ)上的。1.進(jìn)化控制及基本思想2.進(jìn)化控制系統(tǒng)的結(jié)構(gòu)和形式化描述人機(jī)接口適應(yīng)度函數(shù)問(wèn)題解空間的表示進(jìn)化操作廣義被控對(duì)象性能評(píng)價(jià)轉(zhuǎn)換YU進(jìn)化控制器圖9.6進(jìn)化控制系統(tǒng)的結(jié)構(gòu)

Ta進(jìn)化控制系統(tǒng)的形式化描述定義9.7一個(gè)進(jìn)化控制系統(tǒng)可由六元組(,,,,,)來(lái)描述。其中—給定任務(wù)，—適應(yīng)度函數(shù)，—進(jìn)化操作算子，—解空間表示，—控制作用，—廣義被控制對(duì)象輸出（或反饋信息）。

進(jìn)化控制系統(tǒng)的形式化描述定義9.8進(jìn)化控制的優(yōu)化問(wèn)題一般可描述為

式中，為適應(yīng)度函數(shù)，為解空間的個(gè)體，為解空間。進(jìn)化控制的最優(yōu)控制器的求解過(guò)程是該最優(yōu)化問(wèn)題的迭代計(jì)算過(guò)程。即在開(kāi)始時(shí)刻產(chǎn)生初始種群,進(jìn)入相應(yīng)的進(jìn)化操作過(guò)程，直到第K代種群中，有個(gè)體使得滿足要求，即為所要求的，即=。9.2.4移動(dòng)機(jī)器人進(jìn)化控制系統(tǒng)的體系結(jié)構(gòu)和算法

這里介紹基于功能/行為集成的移動(dòng)機(jī)器人進(jìn)化控制系統(tǒng)。該系統(tǒng)由進(jìn)化規(guī)劃模塊和基于行為的控制模塊組成。這種綜合體系結(jié)構(gòu)的優(yōu)點(diǎn)是既具有基于行為系統(tǒng)的實(shí)時(shí)性，又保持了基于功能系統(tǒng)的目標(biāo)可控性。1.進(jìn)化控制系統(tǒng)的體系結(jié)構(gòu)協(xié)調(diào)控制人機(jī)接口知識(shí)庫(kù)經(jīng)驗(yàn)庫(kù)地圖構(gòu)造器進(jìn)化規(guī)劃器目標(biāo)驅(qū)動(dòng)行為環(huán)境動(dòng)作協(xié)調(diào)組合進(jìn)化規(guī)劃模塊狀態(tài)性能判斷行為控制模塊任務(wù)描述感知任務(wù)反射式行為圖9.7規(guī)劃、行為綜合的進(jìn)化控制體系結(jié)構(gòu)

2.進(jìn)化規(guī)劃器的結(jié)構(gòu)與算法先驗(yàn)知識(shí)驅(qū)動(dòng)行為驅(qū)動(dòng)目標(biāo)行為基本路徑選擇運(yùn)動(dòng)規(guī)劃器感知信息任務(wù)地圖傳感數(shù)據(jù)路徑離線進(jìn)化算法協(xié)調(diào)策略協(xié)調(diào)控制在線進(jìn)化算法圖9.8進(jìn)化規(guī)劃器結(jié)構(gòu)9.3免疫控制

把免疫控制和計(jì)算方法用于控制系統(tǒng)，即可構(gòu)