PID控制超详细教程(含软硬件上位机，很好）
PID控制超详细教程(含软硬件上位机，很好）SUNPLUS调节控制做电机速度控制月录页模拟控制模拟控制原理数字控制位置式算法增量式算法控制器参数整定凑试法临界比例法经验法采样周期的选择参数调整规则的探索自校正控制器软件说明软件说明档案构成界面子程序说明程序范例程序程序流程与说明中断子流稈与说明使用资源硬件使用资源说明实验测试响应曲线参考文献SUNPLUS调节控制做电机速度控制修订记录日期版本编写及修订者编写及修订说明初版错误校正SUNPLUS调节控制做电机速度控制模拟控制将偏差的比例()、积分()和微分()通过线性组合构成控制量用这一控制量对被控对象进行控制,这样的控制器称控制器、模拟控制原理在模拟控制系统中,控制器最常用的控制规律是控制。为了说明控制器的工作原理,先看个例子。如图—所示是一个小功率直流电机的调速原理图。给定速度与实际转速进行比较,其差值,经过控制器调整后输出电压控制信号经过功率放大后,驱动直流电动机改变其转速。+控器直流电机图小功率直流电机调速系统常规的模拟控制系统原理框图如图—所示。该系统由模拟控制器和被控对象组成。图中是给定值是系统的实际输岀值,给定值与实际输出值构成控制偏差式-)作为控制的输入,作为控制器的输出和被控对象的输入。所以模拟控制器的控制规律为式其中:控制器的比例系数搾制器的积分时间,也称积分系数控訇器的微分时间,也称微分系数比例积分被控对象微分图—模拟控制系统原理图比例部分SUNPLUS调节控制做电机速度控制比例部分的数学式表示是:在模拟控制器中,比例环节的作用是对偏差瞬闩作岀反应。偏差一旦产生控制器立即产生控制作用,使控制量向减少偏差的方冋变化。控制作用的强弱取决于比例系数,比例系数越大,控制作用越强,则过渡过程越快,控制过程的静态偏差也就越小;但是越大,也越容易产生振荡,破坏系统的稳定性。故而,比例系数选择必须恰当,才能过渡时间少,静差小而又稳定的效果。、积分部分积分部分的数学式表小是从积分部分的数学表达式可以知道,只要存在偏差,则它的控制作用就不断的增加;只有在偏差时,它的积分才能是一个常数,控制作用才是一个不会增加的常数。可见,积分部分可以消除系统的偏差积分环节的调节作用虽然会消除静态误差,但也会降低系统的响应速度,增加系统的超调量。积分常数越大,积分的积累作用越弱,这时系统在过渡时不会产生振荡;但是增大积分常数会诚慢静态误差的消除过程,消除偏差所需的时间也较长,但可以减少超调量,提髙系统的稳定性.当较小时,则积分的作用较强,这时系统过渡时间中有可能产生振荡,不过消陰偏差所需的时间较短。所以必须根据实际控制的只体要求来确定。、微分部分微分部分的数学式表示是实际的控制系统除了希望消除静态误差外,还要求加快调节过程。在偏差岀现的瞬间,或在偏差变化的瞬间,不但要对偏差量做岀立即响应(比例环节的作用),而∏要根据偏差的变化趋势预先给岀适当的纠正。为了实现这一作用,可在控制器的基础上加入微分环节,形成控制器。微分环节的作用使阻止偏差的变化。它是根据偏差的变化趋势(变化速度)进行控制。偏差变化的越快,微分控制器的输出就越大,并能在偏差值变大之前进行修正。微分作用的引入,将有助于减小超调量,克服振荡,使系统趋于穩定,特別对髙阶系统非常有利,它加快了系统的跟踪速度但微分的作用对输入信号的噪声很敏感,对那些噪声较人的系统一般不用微分,或在微分起作用之前先对输入信号进行滤波。微分部分的作用由微分时间常薮决定。越大时,则它抑制偏差变化的作用越强棫小时,则它反抗偏差变化的作用越弱。微分部分显然对系统稳定有很大的作用。适当地选择微分常数,可以使微分作用达到最优由于计算机的出现,讣算机进入了控制领或。人们将模拟控制规律引入到计算机中来。对(式—)的控制规律进行适当的变換,就可以用软件实现控制,即数字搾制。SUNPLUS调节控制做电机速度控制数字控制数字式控制算法可以分为位置式和增量式控制算法。位置式算法由于计算杋控制是一种采样控制,它只能根据样时矧的偏差计算控制量,而不能像模拟控制那样连续输岀控制量量,进行连续控制。由于这·特点(式)中的积分项和黴分项不能直接使用,必须进行离散化处理。离散化处理的方法为:以作为采样周期,作为采样序号,则离散采样时间对应着连续时间,用矩形法数值积分近似代替积分,用一阶后向差分近似代膂微分,可作如下近似变换:≈1T〔k=0,1,2.e()h(门-Tag(),()-以(k-1)7]8-1di(式上式中,为了衣示的方便,将类似于简化成等。将(式-)代入(式一),就可以得到离散的表达式为(式一)或+(式其米样序号,一,,第次釆样时刻的计算机输出值:第次采样时刻输入的偏差值第—次采样时刻输入的偏差值:积分系数,微分系数,如果采样周期足够小,则〔式—)或(式—)的近似计算可以获得足够精确的结果,离散控制过程与连续过程十分接近。(式—)或(式一)表示的控制算法式直接按(式一)所给出的控制规律定义进行计算的,所以它给出了全部控制量的大小,因此被称为全量式或位置式控制算法这种算法的缺点是:由于全量输出,所以每次输出均与过去状态有关,计算时要对进行累加,SUNPLUS调节控制做电机速度控制工作量人;并且,因为计算杋输岀的对应的是执行机构的实际位置,如果计算机岀现故障,输岀的将大幅度变化,会引起执行机构的大幅度变化,有可能因此造成严重的生产事枚,这在实生产际中是不允许的。増量式探制算法可以避免着重现象发生。增量式算法所谓增量式是指数宇控制器的输岀只是控制量的增量Δ。当执行机构需要的控制量是增量,而不是位置量的绝对数佶时,可以使用增量式控制算法进行控制。增量式控制算法可以通过(式一)推导出。由(式一)可以得到控制器的第个采样时刻的输出值为+∑+式将(式一)与(式一)相减并整理,就可以得到增量式控制算法公式为△(式其中由(式—)可以看出,如果计算机控制系统采用恒定的采样周期日确定只要使用前后三次测量的偏差值,就可以由(式—)求出控制量。增量式控制算法与位置式算法(式一)相比,计算量小的多,因此在实际中得到广泛的应用而位置式搾制算法也可以通过增量式控制算法推岀递推计算公式:△式(式—)就是目前在计算机控制中广泛应用的数字递推控制算法控制器参数整定搾制器参数整定:指决定调节器的比例系数、积分时间、微分时间和采样周期的SUNPLUS调节控制做电机速度控制具体数值。整定的实质是通过改变调节器的参数,使其特性和过程特性相匹配,以改善系统的动态和静态指标,取得最佳的控制效果。整定调节器参数的方法很多,归纳起来可分为两大类,即理论计算整定法和工程整定法。理论计算整定法有对数频率特性法和根轨迹法等;工程整定法冇凑试法、临界比例法、经验法、衰减曲线法和响应曲线法等。工程整定法特点不需要事先知道过程的数学模型,直接在过程控制系统中进行现场整定方法简单、计算简便、易于掌握凑试法按照先比例()、再积分()、最后微分()的顺序。置调节器积分时间∞,微分时间在比例系数按经验设置的初值条件下,将系统投入运行,由小到大整定比例系数求得满意的衰减度过渡过程曲线引入积分作用(此时应将上述比例系数设置为)。将由大到小进行整定若需引入微分作用时,则将按经验值或按(~)设置,并由小到人加入临界比例法在闭坯控制系统甲,将调节器置纯比例作用卜,从小到大逐渐改变调节器的比例系教,得到竿幅振荡的过渡过程。此时的比例系数称为临界比例系数相邻两个波峰间的时间间隔,称为临界振荡周期二界比例度法步骤:将调节器的积分时间置于最大(∞),微分时间置零),比例系数适当,平衡操作一段时问,把系统投入自动运行、将比例系数逐渐增大,得到等幅振荡过程,记卜临界比例系数和临界振蕩周期值根据和值,采用经验公式,计算出调节器各个参数,即、和的值。按先再最后的操作程序将调节器整定参数调到计算值上。若还不够满意,可再作进步调整。临界比例度法整定注意事项:有的过程控制系统,临界比例系数很大,使系统接近两式控制,调节阀不是全关就是全开,对工业生产不利有的过程控制系统,当调节器比例系数调到最大刻度值时,系统仍不产生等幅振荡,对此,就把最大刻度的比例度作为临界比例度进行调节器参数整定经验法用凑试汯确定参数需要经过多次反复的实验,为了减少凑试次数,提高工作效率,可以借鉴他人的经验,并根据‘定的要求,事先作少量的实验,以得到若「基准参数,然后按照经验公式用这些基准参数导出控制参数,这就是经验法。临界比例法就是一种经验法。这种方法首先将控制器选为纯比例控制器,并形成闭环,改变比例系数,使系统对阶跃输入的响应达到临界状态,这时记下比例系数、临界振荡周期为,根SUNPLUS调节控制做电机速度控制据一提供的经验公式,就可以由这两个基准参数得到不同类型控制器的参数,如表一所示。衣—临界比例法确定的模拟控制器参数控制器类型这种临界比例汯使针对模拟ˆ控制器,对于数字控制器,只要釆样周期取的较小,原则上也同样使用。在电动机的控制中,可以先采用临界比例法,然后在采用临界比例法求得结果的基础上,用凑试法进一步完善表一的控制参数,实际上是按衰减度为时得到的。通常认为的衰减度能兼顾到稳定性和快速性。如果要求更大的衰减,则必须用凑试法对参数作进一步的调整。采样周期的选择香农()采样定律:为不失真地复现信号的变化,采样频率至少应大于或等于连续信号最高频率分量的二倍。根据采样定律可以确定采样周期的上限值。实际采样周期的选择还要受到多方面因素的影响,不同的系统采样周期应根据具体情况米选择。采样周期的选择,通常按照过程特性与丨扰大小适当来选取采样周期:郾对于响应快、(如流量、压力)波动大、易受干扰的过程,应选取较短的采样周期:反之,当过程响应慢(如温度、成价)、滞后人时,可选取较长的采样周期采样周期的选取应与参数的整定进行综合考虑,采样周期应远小于过程的扰动信号的周期,在执行器的响应速度比较慢时,过小的采样周期将失去意义,因此可适当选大ˉ点;在计算机运算速度允许的条件下,采样周期短,则控制品质好;当过程的纯滞后时间较长时,一般选取采样周期为纯滞后时间的参数调整规则的探索人们通过对控制理论的认识和长期人工操作经验的总结,可知参数应依据以卜儿点来适应系统的动态过程。在偏差比较大时,为使尽快消除偏差,提高响应速度,冋时为了避免系统响应岀现超调,取大值,取零;在偏差比较小时,为继续减小偏差,并防止超调过大、产生振荡、稳定性变坏,值要减小,取小值;在偏差很小时,为消除静差,克服超调,使系统尽快稳定,值继续减小,值不变或稍取大。当偏差与偏差变化率同号时,被控量是朝偏离既定值方向变化。因此,当被控量接近定值时,反号的比列作用阻碍积分作用,避免积分超调及随之而来的振荡,有利于控制;而当被控量远未接近各定值并向定值变化时,则由于这两项反向,将会减慢控制过程。在偏差比较大时,偏差变化率与偏差异号时,值取零或负值,以加快控制的动态过程。偏差变化率的大小表明偏差变化的速率,越大,取值越小,取值越大,反之亦然。同时,要结合偏差大小来考虑
- 2020-12-06下载
- 积分：1
遗传算法与工程优化_玄光男_程润伟
本书是遗传算法的一本经典书籍。玄光男和程润伟合著。目汞3.7距离方法…………………………………":100371距离方法的一般思想…703.7.2计算距离度量…444…*…1023.7.3距离方法的应用噜早嗶忄唱嗆甲ψ『噜早鲁鲁旱P會P噜鲁鲁唱与·■鲁d鲁D咱·中自冒■啁■■曾■■P■P■曹1043.8妥协方法噌■■■■冒■冒■冒暑■■鲁冒■■■■■冒■■冒■■日■■■■■■■■和↓■最聊谭愚■和西晶dd晶动3.9目标规划方法….…10第4章模优化问题…甲■号十十↓4山口■■■■■■■■■■■■画■画n10941引言早昏!昏4昏山十山山·■留詈■·口音■“甲◆44P咱■自c■1094.2模糊线性规划■■■『■冒口■…:…1094.2.1模榭线性规划模型…s…1104.2.2遗传算法方法……………,………:,:11442.3交互式方法w"…!"""s""!"s,L1642.4数值例子1184.3模糊非线性规划…昌■晶■甲++4+白■■■■口■『十自l■?■『甲■甲矿1204,3.1非线性规划模型…………24.3.2用于求解FO/RNP1的非精确方法…………………1234.3.3交互式方法………………………154.3.4数值例子1264,4模糊非线性混合整数目标规划争■+山中早曾4曾曾會■曾■罪血聊自_略!1284,4.1模糊非线性混合整数目标规划模型■旱旱冒甲■■昏■■d1284.42遗传算法方法……1304.4.3数值例子自口·?··血中自省品日↓4晶日日甲吾晋……………:1324.5模糊多目标整数规划,"…s:1384.5.1问题描述……看pψ口13845.2增广的最小最大问题……………………………………40.5.3遗传算法方法會曾血曾鲁…………1404.5.4交互式模糊满意方法………………"s"t435.5数值例子144第5簟可靠性设计问题甲·自福4口备日看山山山口日日日4吾B·幽口甲》+目吾τ■1481引言5.2网络可靠性设计………《自■自·自哪日日b如由■5.2.1问题描述15QⅫ目录5.2.2 Dengiz, altiparmak和 Smith的方法…………………1505.2,3 Deeter和 Smith的方法…………1555.3基于树的网络可靠性和局城网设计…16l53.1双目标网络拓扑设计…11605.3.2数值例子……………………………………:1665.4多目标可靠性设计會!●早日●自◆中鲁·曾■鲁■4音目中自中昏自P目冒音自『■■■日『自D聊qp自即自自自自自自司日■■道■b电即画41695,4.1双目标可靠性设计……■唱罩鲁P‘會自■·聊·■司●D申看…ss……∴M1694.2遗传算法方法罩卩●■■·k↓■■■■b■d1695.4.3混合遗传算法方法…中斗P■白自+如『■■■b日日音日p食●自零唯●4pF714.4带有模糊目标的可靠性设计……su"…174第6章调度问题…中专自■會血督■平自谭卩血聊曲聊178引言……………………………………………1786.2作业车间调度………增+早早■盲◆自宁自命唱吾西b山如日中P中4看音甲目品司品罪山山自西由q1786.2.l基本方法…………………,………1796.2.2编码……口亡d…"s1796.2.3适应性遗传算子■中噜鲁會!中■譬1806.24以启发式方法为特点的遗传算子…………………………1836.2.5混合遗传算法1856.2.6讨论…""…1916.3群体作业调度问题r……_画唱晋■十舀昌■■口■■晋口↓冒+■■由■日早要甲号甲冒P卜■■■■如1926.3.1问题的描述和必要条件备由看.4吾日自吾啬v日日◆自自·4·口即口自咱目s1926.3.2基本运行""“"""……·…"""s"…………194表示…+……"…1!!B““s…19E6.3.4评价幽·44警↓甲甲1976.3.5遗传算子……………………………………………1976.3.6整体过程…………………………………………:1976.3.7数值例子……………晕翟■■山d●1986.4資源约柬的项目调度…4·4·■卜■如古罾日◆q『◆自血即·曾●聊司■咖自▲自■自晶昏如自白2006.41基于优先权的缩码………………1·命會省自自音自P■自自咱白自唱最‘罪42026.4.2遗传算子…………""""…s…2056.4.3评价与选择■看晋冒日●唱中↓由·■唱面斗q甲+量口2076.4.4试验结果……""…""s·2C86,5并行机器调度日录Ⅻ6.5.1支配条件2126.5.2 Memetic算法…………………………………………………2166.5.3试验结果6.6多处理器调度问题…,中即■鲁冒■2206.6.÷问题描述与假设………………………………………………………2206.6.2求解MSP的遗传算法…………………206.6.3数值例子4■P日·号日·咖自P·自·日■·目4B日4卓看d画■■d中·晶qφ甲号■甲■甲昏平昏■昏如●■●223第7章高级运輸问题…………………………甲自『■■昏『◆■■如■■曲。冒中2267.1引言…………*…"…"…s…∵………………………………2267.1,1运输模型…………,………….::267.1、2运输问题的构遣………………………………….2772基于生成树的方法…唱■鲁面■b■日甲如b血bdd■中2307.2.1树的表示中唱自P■■晶■萨卓◆甲■口b■■■号P即■中?2317.2.2初始化日1日°日宁■卩_甲■■t7,2.3遗传运算“日日:◆P晋自百自甲口自P省中自a自■凸………234了,2.4评价与选择……情●早■■即■自血··■血■■++4甲辱下■2347.2.5整个算法过程……………………………………:.357.3多目标运输问题……·早P·■·日哥日日日西4晶“甲中"■·自:■即如自■烟咖日西通2367.3.1问题的描述…………………↓■日■日早中中自■·唱日■吧曾·1t鲁辛冒…*2367.3,2多目标运输问题的基于生成树的遗传算法…2377,3.3数例239.4固定费用运输问题Ba2427.4.1数学模型2427.4.2fTP间题的难点…………2437,4.3fTP的求解方法d■p即■q■■看■■國■■■b晶b‘山bb早昏卜斷■备■■■自即曾■鲁■2437.4.4遗传算法的实现……………………甲早■音曹中■■卓■画2447.4.5数例7.5容量限制的工厂选址问题…■ψ會P◆■曾4西■■画d晶画2467.5.1数学模型罩品品品目b4:.口·自日即日日↓·日P44日日吾··24?7.5.2针对T厂问题的基于生成树的遗传算法…hh警■音学日日日日2自a画t2487.5.3数例……2496带模糊系数的双目标运输问题2507.6.1问题的表述……………………………………,251月录7.6.2排序模糊数■■血■血·會■■■會■■噜會■■會自甲中看鲁看血中噜曹個鲁P咱PPP看看看!噜7.6.3遗传算法的实现………"2527.6.4数例……254第8章网络设计与路径…………………………………2583.1引言2588.2最短路径问题……………………2588,2.1问题描述…………………t………"2598.2,2遗传算法的方法…………………………………………"……26082.3数例s…2658.3有适应能力的网络路由……………………………………………"2668.3.1基于遗传算法的有适应能力的路由2678.3.2染色体表示咖■■■■2678.3,3染色体评价■章·;咖咖…2688.3.4遗传算子…■■譬■号■■■tbdd·t血d2688.3.5数例聊●自·』壘■■着■wrrs;“"…2724集中式网络设计…ψq■4血b血4■■■◆■·■■■自■自■自■自■■■_■■晶■▲甲4}+■…2758.4.1问题的描述…………*……………………2758.4.2遗传算法……,""" ++I++TB+Br.…;s"……!2768.4.3数例▲…2778.5计算机网络扩展…■■■■↓4十山4p■■T■■『··q章自自■曾■■■自聊……………2788.5.1问题描述2782 Kumar, Pathak和(ptn的方法8.5.3数例…■■■■■啬■ψ■ψ罩·自●↓↓壘■■■■■晶卩晶4b4φdsms■a■↓■+個山t■曾■■音多阶段工序汁划2828.6.l问题的描述曾■■日『·■早早譬P即■4■■■■4■山■·b828.6.2遗传算法··号P··D■昏■■■日自■身罩·』自自·日4B目■B■晶bp4●4d2838.6.3数例甲會■昏■口■饣中十2848.7网络上的MG/s队列设酱定位會ψ會即自■■■画■■db凸面■白■■甲↓4山2858:7.1问题的描述…………………;………………………∵…………2868.7.2进化计算方法………………………………………893.7,3数例…………………"…"r"………291第9章制造元设计………中山中■4晋甲曾T吾4卩■;■Td+4■■■冒t曾■■■■留■2949.1引言……………;……………………………………2949.2制造元设计■會◆■鲁■智咱自■■■中鲁鲁■曾聊■■t卩·■■4聊■聊■咱自■■电L■■自聊■……+,…2959.3传统的制造元设计方法■号◆444■自曲■2969.3.1相似系数方法…………………………………………299.3.2基于数组的方法………电··1日罪■■山■■■中罩●4卓■中自p■昏■2979.33数学规划方法……………中即··日··■·■·日■·中号唱■号■■‘■■日卜p↓●卓■■2989.34图与网络方法………………………………………2989.4退传算法方法…s"………,"·299.4.1遗传子表示和遗传算子…↓看b昏↓昏■■"甲●曾2999.4.2 Joines基丁次序的方法…………9.4.3Mn和Kimn的方法b■■■·号卩·■ψ自西■中■■■■Jbb●4●049.4.4 Joines的整数规划方法………9,4,5其他方法…………1·卩『『『P■■d卜一r■『■甲『卓■■『■■■■旷*r』…3159.5可选址工计划的制造元设计……………………….39.5,1可选操作和机器冗余的结合………………………………13179.5.2可选路径的绪合■■4·西■b■■■甲nd4●■是3209.5.3Mon,Gen和Kim的对于独立单元的方法3259.6独立单元的设计…………,3309.6.1机器类型数最小化的族群构造3309.6.2族群数的确定……………aaa·中日▲b·白。当3349.6.3极小化机器数…日·P·■■■■罪ψ■聊咖■↓■卜■即↓■3379,6.4其他设想……1■甲甲甲甲昏■早■■国山■4■■↓■4■晶晶■■b■画血曲338参考文………………………………339素引………………………381第1章遗传算法的基础1.1引言自1960年以来人们对于模拟生物以及由此开发的针对复杂优化问题的有效算法产生了浓厚兴趣。当前在该领域中常常引用的术语就是进化计算( evolutionarycomputation)它包含以下一些主要算法:传算法( genetic algorithMs)由Hlln开发303),进化策略< evolution stra: Clcs)(由 Rechenberg)和 Schwefel开发),进化规划 evolutionary programming)(由 Fogel等人开发0)和遺传程序设计( geneticprogramming)(由K0za开发)。当然还存在若T将上述算法的各种特点加以结合而形成的混合算法。当前进化计算领域的最新发展水平在Back和 Schwefel3,Michalewi21以及Foge等人的综述里有很好的介绍,作为强有力且应用广泛的随机搜索和优化方法,遗传算法可能是当今影响最广泛的进化计算方法之一。在过去的几年中,遗传算法界将更多的注意力放在工业上程领域的优化问题上,并由此产生了一批新的研究和应用11:有关遗传算法的参考书目请参阅 Alander的著述1般认为遗传算法有5个基本组成部分(这是由 Mictialewica归纳的41.问题的解的遗传表示2.创建解的初始种群的方法3.根据个休适应值对其进行优劣判定的评价函数4:用来改变复斜过程中产生的子个体遗传组成的遗传算子5.遗传算法的参数值遗传算法维持由一群个体组成的种群Pt(t代表遗传代数)。每一个体均代表问题的一个潜在的解。每一个体都被评价优劣并得到其适应值。某些个体要经历称作遗传操作的随机变换由此生产新的个体。主要有两种变换方法:变异( mutation)的方法是将个个体改变从而获得新的个体;杂交( crossover)的是方法将两个个体的有关部分组合起来形成新的个体。新产生的个体(称作后代( offspring!C(t))继续被评价优劣。从父代种群和子代种群中选择比较优秀的个体就形成了新的种群。在若干代以后,算法收敛到个最优个体该个体很有可能代表着问题的最优或次优解。遗传算法的一般结构可以摘述如下:第1章遗传法約基础遄传算法过程begil始化P(t评价Pwhile(终止条件不满足)dbe重组P(以产生Ct评价C(从P(t)和C()中选择P(t-1)endend关于搜索策路存在两种重要方案:深度搜索最优解利广度搜索解空间m,遗传算法提供了一种在复杂解空间上进行有向随机搜家的方法。遗传算子原则上进行的是盲搜索;选择算亍嫏勻可能将遗传搜索的方向引早到解空间的理想区域中。针对特定现实世界屮问题开发的遗传算法需注意这样一条普遍原则,即要在对解空间进行深度搜索和度搜索中继持很好的平衡。为实现这一原则,必须仔细考虑遗传算法的所有组成部分另外可能还需要结合附加的启发式方法来增强其性能1.1.1编码问题如何将问题的解编码成为染色体是逮传算法使用屮的关键问题。该问题已经从多方面进行过饼究,比奶当个体需要解码成为解时从基因型空间到表现型空间的映射性质,以及个体被遗传算子操作时的变形特性等。编码的分类在 Hofland的℃作中,编码采用了二进制字符串(lbinary strings)的形巴经知道,由于 Hamming悬崖的存在,二进制编码对于函数优化问题存在重缺陷。 Hamming悬崖指的是表现型空间中距离很小的个体对可能有很大的 Hamming距离+42。举例来说,个体对01111000000于表现型空间中的相邻点最小 Euclidean距离点》但它们却在基因型空间其有最大的丑 aImiNg臣离。为了翻越且 ammIng悬崖’个体的所有苞需要同时进行改变。由杂交和变异实现翻越Ia悬崖的可能性非常小。在这种情况下,二进制编码无法维持表现型空间中点的位置。对于丁业工程领域里的许多问题而言,几乎不可能用二进制编码来表示它们的解在过去的1年里已经针对特定的问题提出了各种编码方法,其目的都是为了能够更有效地实现遗传算法。根据采用何种符号作为某因的等位基因,编码方式可以分类如下◆二进制編码( binary encoding)实数编码(rea!- number encoding整数或字母排列编码般数据结构编码实数编码对于函数优化问题最为有效c关于实数编妈在函数优化和约荣优化领城比二进制编码和Gray编码更有效的说法,经得到了广泛的验证191041由于实数编码基因型空闯中的柘扑结构与其表现型空间中的拓扑结构一致,因此徒容易从传统优化方法中借鉴好的技巧来形成有效的遗传算孑。整数和字母排列編码( literalpermutation encoding)对于组合优化问题最为有效。由于组合优化间题最关键的是要寻找满足约束项目的最佳排列或组合,因此字母排列编码对」这类问题是最有效的方法对于更为复杂的现实问题,用合适的数据结构来表示基因的等位基因,可以有效抓住问题的本质。在这种情扰下,基因可能是n维数组或更为复杂的数据结构根据編码的结构,编码方法还可以分为如下两类:(1)一维築码( one-dimensionalencoding):(2)多维编码( multidimen onal encoding)。大多数实践中采用了一维端码。然而许多实际间题需要多结构的解:用多维编码方法米衣不这些解就很自然。比如,vinous和 Michalewic2对运输间题采用了分配矩阵进行编码。( hoon和 Pari对VSI电路效置问题采用了二维编码(。 Anderson, Jones和Ryan采用了二维网格型编码。Moon科Kim对于图问题采用二维編码13Ono, Yamamura和 Kobayashi对于作业车间调度向题采用了作业赈序矩阵编码、Bti和Mon给出∮关子多维编码和杂交的一般性讨论。他们在文中指出将多维问题的解进行一维编码必然会损失多维结构中相当数量的信息根据编码的内容,编码方法还可看作如下两类:(1)仅包含解,(2)包含解和参数在遗传算法实践中,第一种方法被广泛用来针对给定的问题开发合适的编码。第一种方法在 Rechenberg和 Schwefel提出的进化策略中被采用11]个个体包含厨个部分:首先是给定问题的解其次是策略参数,包括变异中正态分布的方差和协方差。将策略参数并入个体表示的目的,是通过将进化算子应用于这些参数来促进它们的进化自透应。因此搜索就在解空间和进化参数上问时进行。通过这种方法,可以在任意环境下获得变异参数的合理调整和多样性。不可行( infeasi bility)与非法性( (illegality)遗传算法交替地在编码空间和解空间中进行操作。换句话说,也就是交莕地在基因型空间和表现型空间中进行操作。遗传算子作用于基因型空间中,而评价和选择则作用于表现型空间中。然选择连接了染色休和解码产生的解的性能。从基因型空间到表现型空间的映射对于遗传算子的性能有很大影响。其中…个与映射相关的重要问惠就是某些个体对应着给定问题的不可行解。对子约束优化间题和组合优化问题而言,这个问题可能很严重
- 2020-12-08下载
- 积分：1
|
联系客服（QQ：3324461878）
