智能优化算法及其应用.doc

智能优化算法及其应用.doc智能优化算法及其应用摘要:该文对两种主要智能控制方法作了总结和比较,分别阐述了遗传算法和蚁群算法的基本原理、算法模型及流程。关键词:智能控制方法;遗传算法;蚁群算法中图分类号:TP301文献标识码:A文章编号:1009-3044(2009)14-3764-02 TheApplicationofIntelligentOptimumAlgorithms MENGXiao-chun (JinzhongUniversity,Jinzhong030600,China) Abstract:icAlgorithms,,modelsandprocessesoftwointelligentalgorithmswereintroduced. Keywords:intelligentalgorithms;icAlgorithms;antcolonyalgorithm 随着人类生产发展需求的增加和人类的技术水平和知识水平的提高,控制科学也逐渐产生并发展起来,它从经典控制理论,现代控制理论发展到智能控制理论。智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出的。一般来说智能控制有以下特点:多输入多输出,被控对象非线性严重,没有确定的数学模型,系统工作点变化剧烈,控制过程可以由微分/差分以及离散状态序列来描述,复杂对象,复杂环境,复杂任务,被控对象与控制器不明显分离[1]。智能控制方法是从“仿人”的概念出发的,是一门跨学科、需要多学科提供基础支持的技术科学。 1遗传算法遗传算法(icAlgorithmsGA)是一类借鉴生物界自然选择和自然遗传机制的随机的搜索算法,是由Holland教授于1975年提出。它简单、通用、鲁棒性强、适用于并行处理,对于以往难于解决的函数优化问题、复杂的多目标规划问题、工农业生产中的配管、配线问题、以及机器学****图象识别、人工神经网络控制和网络构造、系统辨识、模糊控制、系统故障诊、行走机器人路径规划等问题,尤其是自动控制,GA为最有效的方法之一。 (Darum)的进化论和门德尔(Mendel)的遗传学说。达尔文的进化论认为:每一物种在不断的发展过程中都是越来越适应环境;物种的每个个体的基本特征被后代所继承,但后代又不完全同于自己的父代;在个体的生存与发展中那些更能适应环境的个体特征则能被保留下来,体现了适者生存的原理。与此相应,门德尔的遗传学则认为:遗传是作为一种指令遗传码封装在每个细胞中,并以基因的形式包含在染色体中;每个基因有特殊的位置并控制某个特殊的性质,而由每个基因产生的个体对环境有一定的适应性;通过基因杂交和基因突变可能产生对环境适应性强的后代,并通过优胜劣汰的自然选择,适应值高的基因结构则被保存下来。Holland等人正是综合了上述两种学说的基本思想,创立了遗传算法。该算法借助于计算机编程,一般是将待求问题表示成串(或染色体),即为二进制码或数码串,从而构成一群串,并将它们置于问题的求解环境中,根据适者生存的原则,从中选择出适应环境的串进行复制(reproduction),且通过交换(crossover)、变异(mutation)两种基因操作产生新的一代更适应环境的串群,经这样一代代地不断变化,最后收敛到一个最适应环境的串上,而求得问题的最