关键字：
遗传算法;模糊控制;优化设计;Matlab仿真
导读：
针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略。改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进。并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则。仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能。
(3) 分裂算子的引入
针对遗传算法在搜寻最优解时易陷入局部最优,无法达到全局收敛,我们引入分裂算子。其基本思想是:当系统在某一个局部点变化不大,进化缓慢时,就对其中适应度值较大的个体作用分裂算子,进行分裂运算,生成新的个体,并将新个体加入到种群中,继续进行遗传进化运算。从而使种群摆脱进化迟钝的状态,跳出局部最优解,最终到达全局最优解。
分裂算子操作步骤:
第一步:先随机产生一个合法分裂点(在编码位数之内的数字);
第二步:从分裂点将一个个体分裂为两个,分别计算两个个体失去部分的长度,按照相应编码方式补充两个个体所失去的部分。按照编码方式为十进制,则用随机产生的十进制编码来补充每个个体所失去
3 优化模糊控制器的设计
由于遗传算法优化模糊控制器的过程比较复杂,在线优化具有一定困难,目前这方面的研究基本上都采用离线方式,即在仿真系统中取得理想效果后再拷贝入实际的模糊控制器。本文采用的也是这种离线方式。基于遗传算法的模糊控制系统框图如图1所示。
上页 1 2 3 4 5 下页