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，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，因此模糊控制更適合應(yīng)用在工控領(lǐng)域中。文章對遺傳算法優(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，與此同時也發(fā)現(xiàn)了它的一些缺點(diǎn)：在確立模糊化的方法時，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)計上有較大的主觀性和隨意性，而且控制規(guī)則的確定有時并不簡單，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)秀個體、優(yōu)秀基因，能令算法較快地收斂，而不好的初始種群會導(dǎo)致算法計算量大，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)生的初始種群時好時壞，有時候也盲目地擴(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

交叉操作是將兩個父代個體的部分基因相互替換來重新組合成新個體，從而有助于產(chǎn)生新的優(yōu)良個體的方法。對于十進(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)確定一個基因座，把距離這個基因位為偶數(shù)的所有基因選擇為待交叉位，將該位置父代個體與子代個體基因值作差，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：計算種群中每一個個體的適應(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體，若需要則隨機(jī)生成新個體加入到種群中，替換掉適應(yīng)度值低的個體，若不需要則繼續(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)個體，結(jié)束計算，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

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，種群中個體逐漸趨于相似時，引入隨機(jī)個體來保持種群的多樣性，并對算法進(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].計算機(jī)工程與設(shè)計，2005，26（11）：2917-2919.