| 【中文题名】 | 遗传算法及其在模糊辨识中的应用研究 |
| 【英文题名】 | Genetic Algorithm and Its Application Study on Fuzzy Identification |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-6-21 |
| 【中关键词】 | 遗传算法,变焦,禁忌搜索,混沌优化,非线性方程组,模糊辨识 |
| 【英关键词】 | genetic algorithm,zooming,tabu search,chaos optimization,fuzzy identification,T-S model, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
遗传算法是一种模拟自然界生物进化的搜索算法，由于它的简单易行、鲁棒性强、尤其是其不需要专门的领域知识而仅用适应度函数作评价来指导搜索过程，从而使它的应用极为广泛。本文在参考大量国内外文献的基础上，针对基本遗传算法的缺点，提出了两种改进的遗传算法；研究了遗传算法在非线性方程组求解中的应用，并将遗传算法应用于模糊辨识中。取得的主要成果如下：
针对基本遗传算法收敛速度慢、解的分辨率过低等不足，提出了改进变焦遗传算法，即在保持串长不变的条件下，不断把经多次进化的信息从个体串中存放到解码公式上，所空出的基因起着类似“内存条”的作用，为提高解的精度随时纳入新的基因。同时为了防止早熟现象，交叉算子中的交叉位置按非等概率选取的方法进行；在纳入新的基因时，加入与最优个体群等量互补的二进制码串，解决了复制操作导致基因缺失的问题。
提出一种基于禁忌搜索和混沌优化的混合遗传算法，该算法利用禁忌搜索的记忆功能和混沌优化所具有的遍历性、规律性和随机性，对经过一次遗传操作的种群进行混沌寻优，引导种群快速进化。这种算法容易跳出局部最优解，搜索效率高，而且结构简单，使用方便。
针对迭代法、最优法、MATLAB最优化工... |
| 【论文题纲】 |
|
摘要I |
4-5 |
|
AbstractII |
5-10 |
|
第1章 绪论 |
10-20 |
|
1.1 研究背景及意义 |
10-11 |
|
1.2 遗传算法理论及方法的研究现状 |
11-15 |
|
1.2.1 遗传算法参数的选择 |
11-12 |
|
1.2.2 编码方法 |
12 |
|
1.2.3 基因操作 |
12-14 |
|
1.2.4 数学基础及收敛性问题 |
14-15 |
|
1.2.5 其它问题的研究 |
15 |
|
1.3 遗传算法的应用研究现状及特点 |
15-17 |
|
1.3.1 遗传算法的应用 |
15-17 |
|
1.3.2 遗传算法的特点 |
17 |
|
1.4 模糊建模理论 |
17-18 |
|
1.5 论文的主要研究内容 |
18-19 |
|
1.6 本论文结构 |
19-20 |
|
第2章 基本遗传算法及其数学理论 |
20-38 |
|
2.1 引言 |
20 |
|
2.2 基本遗传算法 |
20-28 |
|
2.2.1 基本遗传算法的计算过程 |
20-21 |
|
2.2.2 基本遗传算法的实现 |
21-28 |
|
2.3 遗传算法的数学理论 |
28-34 |
|
2.3.1 模式定理 |
29-31 |
|
2.3.2 积木块假设与遗传算法欺骗问题 |
31-32 |
|
2.3.3 隐含并行性 |
32 |
|
2.3.4 遗传算法的收敛性分析 |
32-34 |
|
2.4 评价遗传算法性能的常用测试函数 |
34-37 |
|
2.5 本章小结 |
37-38 |
|
第3章 改进变焦遗传算法及混合遗传算法 |
38-53 |
|
3.1 引言 |
38 |
|
3.2 变焦遗传算法 |
38-41 |
|
3.3 改进变焦遗传算法 |
41-46 |
|
3.4 一种混合遗传算法的提出 |
46-52 |
|
3.4.1 禁忌搜索算法 |
47-48 |
|
3.4.2 混沌优化 |
48-49 |
|
3.4.3 结合禁忌搜索和混沌优化的混合算法 |
49-50 |
|
3.4.4 基于禁忌搜索和混沌优化的混合遗传算法 |
50 |
|
3.4.5 算例分析 |
50-52 |
|
3.5 本章小结 |
52-53 |
|
第4章 实数编码遗传算法在解非线性方程组中的应用 |
53-64 |
|
4.1 基于实数编码的遗传算法 |
53-55 |
|
4.2 基于遗传算法的非线性方程组求解方法 |
55-59 |
|
4.2.1 求解非线性方程组的遗传算法模型 |
55-56 |
|
4.2.2 适应度函数设计 |
56-57 |
|
4.2.3 编码方法 |
57-58 |
|
4.2.4 进化策略 |
58 |
|
4.2.5 方程组解收敛的进化终止准则 |
58 |
|
4.2.6 方程组存在多个解的处理 |
58-59 |
|
4.2.7 仿真实例 |
59 |
|
4.3 遗传算法在汽车滑行阻力系数测定中的应用 |
59-62 |
|
4.3.1 求解汽车滑行运动方程的遗传算法模型 |
59-60 |
|
4.3.2 用遗传算法对方程组求解 |
60-61 |
|
4.3.3 仿真结果 |
61-62 |
|
4.4 本章小结 |
62-64 |
|
第5章 改进遗传算法在非线性系统模糊辨识中的应用 |
64-74 |
|
5.1 引言 |
64 |
|
5.2 基于Takagi-Sugeno的模糊线性函数模型的辨识方法 |
64-66 |
|
5.3 改进的遗传算法 |
66-68 |
|
5.4 基于改进遗传算法的T-S模型的辨识算法 |
68-71 |
|
5.4.1 基于广义高斯隶属函数的T-S模型 |
68-70 |
|
5.4.2 基于改进遗传算法的模糊辨识步骤 |
70-71 |
|
5.5 仿真实例 |
71-73 |
|
5.6 本章小结 |
73-74 |
|
结论 |
74-75 |
|
参考文献 |
75-81 |
|
攻读硕士学位期间承担的科研任务与主要成果 |
81-82 |
|
致谢 |
82-83 |
|
作者简介 |
83 |
|
| 【DOI】 | LunWen.ID:2.2008.387012 |
