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。
对于模糊控制规则,同样采用十进制编码,即使用自然数1到7表示某一个模糊变量的语言值NB、NM、NS、ZE、PS、PM、PB。这样就可以方便的把用模糊变量表示的模糊控制表进行数字化,将其表示成元素为实数的二维数组,然后将二维数组拉伸成一维数组,按照两个输入变量的排列组合,有49条规则,然后和隶属函数一起构成一个完整的染色体。
3.2 适应度函数的确定
适应度函数选择是否适当对算法的性能好坏影响很大,适应度函数是指导个体进化的源动力。考虑到对于控制系统综合性能指标的要求,采用如下离散形式的指标函数来评估控制系统性能:
上页 1 2 3 4 5 下页