第 10 章 遗传算法(10.1.7-10.1.10.pptVIP

10.1.10 小结(2/3) 在GA中，适应度f是评价个体对环境适应能力的唯一标准，f必须满足非负条件。f越大的个体，表明其适应能力越强。 因SGA的不足，如存在早期收敛、全局最优解概率和效率不高等，在SGA基础上，为提高算法的适应性，提高算法的收敛速度和解的精度，研究产生了相应的算法，如若干高级算子、交叉和变异率的自适应调整算法，GA与有关算法的结合等。 阐述了用GA求解函数最优化问题，并通过实例证明其可行性和有效性。 10.1.10 小结(3/3) 阐述了GA优化神经网络权系值及其优点。 阐述了GA在系统辨识、优化神经网络控制器与辨识器中的应用。 在GA应用中，需依据求解的具体问题确定适应度函数、目标函数、GA参数、GA算法等。 GA的理论研究工作也在不断深入地进展着。 APWeb/WAIM2007 Huang Shan 2007-6-16 * 例10.5 GA用于静态非线性环节参数辨识。 环节的结构已知，如图10.24所示，且 (10.46) 由输入／输出数据 ， ，对其参数 进行辨识，求得参数的估计值 。 图10.24 非线性环节 例10.5-辨识步骤 (1/5) 辨识步骤如下： (1)求环节之输入／输出。 设环节的参数 ，若 ，由式(10.46)可求得输出 ， 。 (2)待辨识参数的范围取[-4,4]，若每一参数在GA有哪些信誉好的足球投注网站空间S中用20-bit表示，则 在S中对应的个体长度为： 编码分辨率： (3)GA参数 。 交叉概率pc自适应调整。 GA操作：轮盘赌法+保留最优个体法选择。 例10.5-辨识步骤 (2/5) (4)适应度选取按式(10.45)，式中Q=17，适应度为线性调整。 (5)由式(10.45)知，本例是极小化问题，因适应度大的个体位串表征参数估计的误差小，由式(10.43)和(10.44)知，使得其模型的准则函数小，即若 大，则 小。 (6)初始化。 在GA有哪些信誉好的足球投注网站空间S随机产生L=80bit，N=50个个体位串。 (7)按图10. 23所示流程进行辨识，结果如图10.25、图10.26和表10.3所示。 取t=80代的个体位串的译码值的 者作为参数估计值。 例10.5-辨识步骤 (3/5) 图10.25 每代最大适应值及平均适应值 例10.5-辨识步骤 (4/5) 图10.26 参数优化过程 例10.5-辨识步骤 (5/5) 表10.3 辨识结果估计值与参数值比较（t＝80代） 辨识（估计参数） 环节参数 误差 0.0000048 0.0000744 0.0000639 0.0000272 例10.6(1/2) GA用于动态系统辨识。 仿真系统为二阶线性动态系统： 采样周期T=1s，离散化后，Z传递函数为： 式中： 例10.6 (2/2) 代入与系数，有 系统采样点输入／输出数据为 ，则差分方程为： 离散化后是具有一阶时延的系统，系统参数为： 待估计的参数为： 例10.6-辨识步骤 (1/7) 系统输入u(k)为循环周期 的四阶M序列。 仿真系统输出y(k)由差分方程经计算得到： 设待辨识的参数分布在[-2,+2]之间，每一参数在GA空间S用20-bit编码，则 在S中对应的个体长度为： 编码分辨率为： GA参数： 交叉概率pc自适应调整。 GA操作：轮盘赌法+保留最优个体法选择。 例10.6-辨识步骤 (2/7) 适应值函数按式(10.42)来选取。 本例每采样一次数据，遗传进化3代。 按图10.23所示