遺傳算法優(yōu)化模糊控制器的研究

李冰

摘 要：在工業(yè)生產(chǎn)中，經(jīng)驗(yàn)豐富的工人可以通過自己的方法去穩(wěn)定控制一個(gè)復(fù)雜的系統(tǒng)。當(dāng)控制系統(tǒng)的數(shù)學(xué)模型不精確時(shí)，可以使用智能的模糊控制器規(guī)劃出合理的方法，相比傳統(tǒng)的控制理論有更大的優(yōu)勢(shì)，因此模糊控制更適合應(yīng)用在工控領(lǐng)域中。文章對(duì)遺傳算法優(yōu)化模糊控制器進(jìn)行了研究，以供相關(guān)人士參考和借鑒。

關(guān)鍵詞：遺傳算法；優(yōu)化；模糊控制器；研究

1 概述

隨著技術(shù)的進(jìn)步，模糊控制的研究越來越熱門，并且廣泛應(yīng)用在工業(yè)中，與此同時(shí)也發(fā)現(xiàn)了它的一些缺點(diǎn)：在確立模糊化的方法時(shí)，缺乏一套整體的方法，主要是根據(jù)實(shí)踐經(jīng)驗(yàn)，在設(shè)計(jì)上有較大的主觀性和隨意性，而且控制規(guī)則的確定有時(shí)并不簡(jiǎn)單，因?yàn)橐?guī)則確定之后無法自適應(yīng)調(diào)整；模糊控制器中未加入積分環(huán)節(jié)，所以穩(wěn)態(tài)精度較低。因此，將智能算法融入到模糊控制的設(shè)計(jì)中，提高搜索速度，達(dá)到優(yōu)化控制系統(tǒng)的效果。

2 改進(jìn)算法

2.1 初始種群的生成

初始種群的生成對(duì)遺傳算法有很重要的影響，初始種群的的優(yōu)劣直接影響到算法的收斂速度，良好的初始種群中包含更多的優(yōu)秀個(gè)體、優(yōu)秀基因，能令算法較快地收斂，而不好的初始種群會(huì)導(dǎo)致算法計(jì)算量大，容易陷入局部最優(yōu)。在一般的情況下，經(jīng)常使用隨機(jī)產(chǎn)生初始種群的方法，這種方法隨機(jī)性比較強(qiáng)，產(chǎn)生的初始種群時(shí)好時(shí)壞，有時(shí)候也盲目地?cái)U(kuò)大了搜索空間，不利于算法的收斂，為了提高搜索效率，一般情況下用隨機(jī)產(chǎn)生并加入一些約束條件的方法，所以文章引用穩(wěn)態(tài)繁殖的思想，將模糊控制規(guī)則作為母體，按照一定的概率產(chǎn)生新個(gè)體來組成初始種群。

2.2 改進(jìn)交叉算子

交叉操作是將兩個(gè)父代個(gè)體的部分基因相互替換來重新組合成新個(gè)體，從而有助于產(chǎn)生新的優(yōu)良個(gè)體的方法。對(duì)于十進(jìn)制編碼方式，在多點(diǎn)交叉的基礎(chǔ)上，改進(jìn)交叉方法：首先隨機(jī)確定一個(gè)基因座，把距離這個(gè)基因位為偶數(shù)的所有基因選擇為待交叉位，將該位置父代個(gè)體與子代個(gè)體基因值作差，如果差值為1或者-1則進(jìn)行交叉操作，這樣交叉是為了預(yù)防極不合理的個(gè)體產(chǎn)生，避免控制系統(tǒng)由于規(guī)則的跳躍出現(xiàn)的劇烈振蕩。

2.3 改進(jìn)變異算子

算法流程：

Step1：隨機(jī)生成初始種群P（k）。

Step2：計(jì)算種群中每一個(gè)個(gè)體的適應(yīng)度值，并按照由大到小的順序進(jìn)行排列。

Step3：按照上述改進(jìn)的選擇、交叉、變異算子進(jìn)行遺傳操作。

Step4：判斷是否需要引入新個(gè)體，若需要?jiǎng)t隨機(jī)生成新個(gè)體加入到種群中，替換掉適應(yīng)度值低的個(gè)體，若不需要?jiǎng)t繼續(xù)進(jìn)行Step5。

Step5：判斷是否滿足進(jìn)化終止規(guī)則，若滿足條件則輸出最優(yōu)個(gè)體，結(jié)束計(jì)算，若不滿足條件則轉(zhuǎn)到step2繼續(xù)運(yùn)行。

3 仿真分析

改進(jìn)算法的模糊控制器的參數(shù)尋優(yōu)曲線如圖1所示，改進(jìn)的雙種群遺傳算法在第78代得到最優(yōu)解，最優(yōu)目標(biāo)函數(shù)值BestJ=17.0534，優(yōu)化后的最優(yōu)個(gè)體為{1.4 1.2 0.6 7.12 5.36 0.5 7766564 7656534 7565542 6545422 6444341 5433231 5322121}。從尋優(yōu)曲線可以看出，改進(jìn)遺傳算法的收斂速度比基本遺傳算法的收斂速度快。

將搜索到的參數(shù)及控制規(guī)則最優(yōu)值應(yīng)用在模糊控制器中，與標(biāo)準(zhǔn)遺傳算法作對(duì)比試驗(yàn)，圖2中實(shí)線表示改進(jìn)遺傳算法優(yōu)化的模糊控制器，虛線表示標(biāo)準(zhǔn)遺傳算法優(yōu)化的模糊控制器。從圖2中改進(jìn)的遺傳算法與標(biāo)準(zhǔn)遺傳算法相比較，改進(jìn)算法的控制效果有明顯的提高。

4 結(jié)束語(yǔ)

文章改進(jìn)了遺傳算法，采用穩(wěn)態(tài)繁殖的思想生成初始種群，改進(jìn)交叉、變異算子，在遺傳算法后期，種群中個(gè)體逐漸趨于相似時(shí)，引入隨機(jī)個(gè)體來保持種群的多樣性，并對(duì)算法進(jìn)行收斂性分析，將改進(jìn)算法應(yīng)用于模糊控制器的優(yōu)化，與標(biāo)準(zhǔn)遺傳算法對(duì)比，控制效果較好。

參考文獻(xiàn)

[1]孫增沂.智能控制理論與技術(shù)[M].北京：清華大學(xué)出版社，1997：26-32.

[2]Li H， Jing X， Lam H. Fuzzy Sampled-Data Control for Uncertain Vehicle Suspension Systems[J].Cybernetics IEEE Transactions on，2014，44（7）：1111-1126.

[3]Allouche M， Chaabane M， Souissi M.State Feedback Tracking Control for Indirect Field-oriented Induction Motor Using Fuzzy Approach[J].International Journal of Automation & Computing，2013，10（2）：99-110.

[4]Verbruggen H B， Zimmermann H J， Babuska R. Fuzzy Algorithms for Control[J]. International series in intelligent technologies，2011.

[5]丁建立，陳增強(qiáng)，袁著祉.遺傳算法與螞蟻算法的融合[J].計(jì)算機(jī)研究與發(fā)展，2003，40（9）：1351-1356.

[6]張景元.模糊控制規(guī)則優(yōu)化方法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2005，26（11）：2917-2919.