遗传算法在温室控制中的应用

遗传算法是一种基于自然选择规律的优化方法,适合解决温室控制中复杂的、非线性的优化控制问题.综合论述了遗传算法,包括差分进化算法在温室控制中的应用,以及今后的发展方向.     

基于遗传算法的模糊控制规则优化的研究

模糊控制规则的正确选择是模糊控制器设计的关键,它决定了模糊控制系统的动态、静态性能和控制效果．针对传统的获取控制规则方法的不足,提出了在一个待优化模糊控制器的基础上,采用改进的遗传算法优化其模糊控制规则,从而使经过优化所获得的控制规则更加合理．最后对优化后的模糊控制器进行仿真比较研究,并将其应用于温室,实现温室温度的模糊控制．结果表明模糊控制规则经过优化后的模糊控制器的控制品质有较大的改善和提高．     

基于遗传算法PID控制器在张力控制中的应用

采用遗传算法进行PID参数的优化设计．根据控制任务的要求建立综合优化指标，在此基础上提出采用遗传算法进行PID参数优化的基本步骤，并具体以数字控制系统PID参数的优化为例进行了仿真计算．研究表明，对比传统的优化方法，遗传算法是一种十分有效的优化方法，遗传算法不要求优化对象的数学模型连续，而具有更宽的适用范围，同时遗传算法还具有较好的鲁棒性和稳定性．     

温室温湿度遗传模糊神经网络控制仿真研究

利用模糊神经网络对温室夏季温湿度控制进行了仿真研究，同时为克服BP算法收敛速度慢和局部极小这两大弱点，采用改进的遗传算法对网络的参数进行训练，从而为将模糊逻辑、神经网络、遗传算法三者有机地结合起来应用于温室环境控制的可行性提供了理论依据。     

基于遗传算法的约束广义预测控制

广义预测控制要求控制对象必须是线性无约束的，优化的性能指标也必须是二次型形式，因此，广义预测控制的工业应用存在很大局限性．本文尝试用遗传算法来解决存在约束的广义预测控制的优化问题，给出了基于遗传算法的广义预测控制算法的实现方法，并通过工业过程对象的仿真，验证了该方法的有效性，且控制效果良好．     

基于分层遗传算法的模糊控制

介绍了模糊控制系统和遗传算法的基本内容及二间的融合．基于遗传算法的模糊系统模型辨识，引出了可以对实际复杂系统总结出较完善控制规则的分层遗传算法的模糊控制．分层遗传算法通过基因操作使控制基因和由控制基因控制的参数基因都得到改变，进而使控制规则的结构和形状及个数得到了优化．将这种分层模糊控制技术应用于铝电解工业中的极距控制，可使改进后的极距控制系统的动态性能和稳态误差都得到提高．     

自适应遗传算法在PID控制参数优化中的应用

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统辨识，建立对象模型；在此模型基础上，运用遗传算法寻优PID控制参数，采用变交叉概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果．     

温室黄瓜环境管理智能决策支持系统初探

以黄瓜温室栽培和环境控制试验中所建立的一系列作物模型、环境模型和经济模型为基础，以Delphi6．0为软件开发环境，建立温室黄瓜环境优化调控管理的智能决策支持系统．该系统以兼顾作物生长和经济效益为目标，能够根据各种气象参数，给出温室环境实时控制最佳环境参数．     

分层遗传算法在DC/DC变换器中的应用

DC／DC变换器为强非线性、时变及不确定系统．由于其自身的特点,使得DC／DC变换器的控制研究工作比较困难．文中提出一种用遗传算法优化的模糊控制器,控制DC／DC变换器．对传统的遗传算法进行改进．使之优化能力更好．由仿真和实际试验证明,经过改进的遗传算法优化的模糊控制器,对DC／DC变换器的控制效果更显著,动态特性和静态特性都得到进一步改善．同时说明所介绍的自适应遗传算法的寻优能力更好,收敛速度也更快．     

温室温湿度遗传模糊神经网络控制仿真研究

利用模糊神经网络对温室夏季温湿度控制进行了仿真研究 ,同时为了克服BP算法收敛速度慢和局部极小这两大弱点 ,采用改进的遗传算法对网络的参数进行训练 ,从而为将模糊逻辑、神经网络、遗传算法三者有机地结合起来应用于温室环境控制的可行性提供了理论依据     

基于遗传算法的铂电阻温度传感器非线性校正方法

遗传算法是具有全局寻优特点的一种新型最优化方法．针对铂电阻传感器经验公式的非线性问题使用遗传算法对其进行了优化研究．简要地介绍了遗传算法的基本原理和运算规则，具体地描述了使用遗传算法实现铂电阻传感器系数拟合的步骤和程序．作为一种有效的优化手段，能够完成优化软件具有的功能，具有一定的工程应用价值．     

混合遗传算法在压水堆换料优化中的应用

针对遗传算法和禁忌搜索算法的优点与缺陷，提出了遗传算法与禁忌搜索算法相结合的混合优化算法．该混合优化算法结合了遗传算法在全局搜索上的优点和禁忌搜索算法在局部搜索方面的优点，与标准遗传算法相比，在搜索能力和收敛速度上都有较大提高．为验证其优越性，使用国际原子能机构IAEA公布的Kalinin5核电厂WWER-1000型堆芯第二循环换料基准题以及秦山第六循环堆芯换料问题进行了优化计算比较与校验．结果表明，遗传算法和禁忌搜索相结合的混合优化算法比单独使用遗传算法能够获得更好的堆芯布置方案，获得了更大的适应值，循环寿期增加了20d，并且收敛速度也有所提高．     

遗传算法与模拟退火算法混合策略模糊控制的研究

提出基于遗传算法与模拟退火算法混合策略的模糊控制,使控制规则得到优化,从而改善了控制性能．仿真实例表明这种方法是可行的．     

改进遗传算法的行星齿轮传动多目标模糊物元可靠性优化

运用模糊可靠性优化理论和物元分析法，建立多目标模糊可靠性优化数学模型．并在标准遗传算法的基础上，通过改进遗传算子，引入菱形思维和模拟退火算法，得到了具有实值编码技术的改进型自适应遗传算法．实现了具有混合设计变量的行星齿轮传动参数优化．     

运用遗传算法优化油脂降解培养基

运用遗传算法，对利用热带假丝酵母降解油脂的培养基进行优化研究．用50个实验样本完成了6种培养基成分、64个质量浓度水平的优化任务．实验结果表明，利用遗传算法可优化培养基成分含量，取得更好的效果．按照优化后的培养基组成，热带假丝酵母对油脂的降解率为95．4％，比优化前提高了10．2％．     

基于遗传算法的静电反馈式微传感器多目标优化

讨论了一种新型梳齿式静电反馈微加速度计的多目标参数优化问题，从耦合静电场能量关系出发，建立了系统的动态模型．在此基础上，以灵敏度、分辨率和动态响应为优化目标，通过目标规划法，构建了系统的多目标优化模型．利用遗传算法进行优化求解，并与序列二次规划法的优化解进行了对比分析，研究结果表明，这2种算法均能成功地求解优化问题，但遗传算法可得到设计者更为满意的多目标有效解．研究工作为进一步利用遗传算法的随机性和潜在并行性进行系统的Pareto多目标优化提供了基础．     

基于遗传算法的结构振动主动控制优化方法

在结构振动主动控制的研究中，控制能量是限制其广泛应用的瓶颈。为减少控制系统所需能量，有必要对结构进行优化设计，而传统的优化方法对于振动主动控制系统的优化不太适合。为此，在杂交遗传算法和实代码遗传算法的基础上，开发了一种改进的杂交遗传算法，该算法不仅可以计算含不等式约束的优化问题，而且可以处理含线性等式的优化目标问题。最后给出了计算实例来说明所提方法的有效性。     

遗传算法优化性能评价准则研究

为了克服传统遗传算法优化性能评价准则（如在线性能、离线性能）忽略随机因素对算法的影响，从而不能准确评价算法性能的缺点，提出了一种基于平均偏离距和偏离距标准差的新的遗传算法优化性能评价准则，给出了平均偏离距和偏离距标准差的数学定义，并分析了它们的泛函意义．由于平均偏离距和偏离距标准差采用遗传算法多次运行结果的统计参数来评价算法的性能，因此能够较好地消除随机因素对算法性能的影响．同时，应用所提出的评价准则研究了二进制码和格雷码对遗传算法优化性能的影响．基于F2函数的数值实验结果表明，与二进制码相比，格雷码的平均偏离距和偏离距标准差指标都比较低，因此能够更好地提高遗传算法的优化性能．     

一种基于量子遗传算法的多播路由算法

提出了一种基于量子遗传算法QGA（quantum genetic algorithm）解决多播QoS（quality of service）路由问题的算法．介绍了量子遗传算法的基本原理，给出了算法实现的方法和具体流程，并进行了量子遗传算法在多播路由选择优化方面的仿真实验，证明了量子遗传算法优于常规遗传算法．     

基于遗传算法与Tabu搜索的拆卸序列优化算法

为研究废弃装配体的拆卸序列优化，首先提出了建立装配体的干涉-自由矩阵，作为描述其结构的数学模型．其次，运用遗传算法原理，提出面向装配体拆卸序列自动生成及优化的计算模型．依据初始输入的若干拆卸序列和其它控制参数，由程序搜寻几何上可行的最佳拆卸序列．这里是以装配体在拆卸过程中具有最少的换向次数为优化目标．最后，鉴于遗传计算的未熟早敛问题，提出建立Tabu搜索与遗传算法的组合优化算法．通过把Tabu搜索的集中与分散策略引入遗传算法，可望获得更加健壮的搜索行为．大量的实例验证表明，用这种方法解决装配体拆卸序列的优化问题，所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．