正交遗传算法及其应用研究

论文摘要

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。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 遗传算法概述
• 1.2 遗传算法的发展历史
• 1.3 遗传算法的研究现状
• 1.3.1 遗传算法的理论研究现状
• 1.3.2 遗传算法的应用研究现状
• 1.3.3 遗传算法的研究焦点
• 1.4 研究内容及论文结构
• 1.4.1 研究内容
• 1.4.2 论文结构
• 第二章 遗传算法
• 2.1 遗传算法的描述
• 2.1.1 遗传算法的构成要素
• 2.1.2 遗传算法的基本框架
• 2.2 遗传算法的实现
• 2.2.1 个体适应度评价
• 2.2.2 选择算子
• 2.2.3 交叉算子
• 2.2.4 变异算子
• 2.3 本章小结
• 第三章 混合自适应正交遗传算法在全局优化中的应用
• 3.1 引言
• 3.2 正交试验设计
• 3.3 混合自适应正交遗传算法
• 3.3.1 自适应正交交叉算子
• 3.3.2 种群初始化
• 3.3.3 聚类局部搜索策略
• 3.3.4 算法步骤
• 3.4 实验结果与分析
• 3.5 本章小结
• 第四章 基于正交实验设计的约束优化算法
• 4.1 引言
• 4.2 约束优化问题的描述
• 4.3 基于正交试验设计的约束优化算法
• 4.3.1 多父体正交交叉算子
• 4.3.2 单形交叉算子
• 4.3.3 个体优劣的新比较准则
• 4.3.4 算法步骤
• 4.4 数值实验
• 4.4.1 测试函数
• 4.4.2 实验结果
• 4.4.3 实验结果分析
• 4.5 本章小结
• 第五章 基于正交遗传算法的改进型免疫PID控制器的优化
• 5.1 引言
• 5.2 模糊免疫反馈PID控制器的改进
• 5.2.1 免疫反馈控制的概念
• 5.2.2 免疫PID控制器的改进
• 5.2.3 免疫反馈规律的模糊自适应调整
• 5.3 模糊免疫PID控制器的优化
• 5.4 模糊免疫反馈PID控制器的仿真
• 5.5 本章小结
• 第六章 总结和展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果