排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
群体智能算法模拟生物进化或动物群体协作的搜索机制, 其目标是快速有效地搜索复杂优化问题的解空间, 寻求全局最优解. 本文通过对群体智能算法的搜索机理进行分析, 根据在搜索过程中解集内部结构变化的性质定义了解集多样度, 并在此基础上研究了两种基本的搜索策略--多样化搜索和集中化搜索对解集进化过程中的停滞性的影响, 证明了集中化搜索不可避免地使解集中的候选解逐渐趋于单一, 是导致算法停滞收敛的主要原因; 而多样化搜索能从任何候选解出发搜索到整个编码空间中的任一个点, 即整个空间是多样化搜索的可达域, 但将使算法不收敛. 本文采用三类典型的群体智能算法: 遗传算法、蚁群算法和粒子群算法进行了实验, 验证了上述分析结论的正确性. 相似文献
2.
遗传算法在PID自整定控制中的应用 总被引：1，自引：0，他引：1
提出了一种基于遗传算法和单神经元的自整定PID控制器的设计方法，该控制器首先利用遗传算法对PID的3个参数作离线优化，搜索到一组准最优的PID参数，作为PID控制器参数的初始值，然后利用改进后的单神经元梯度下降法在线调节PID参数，以使系统获得最优的动态性能和稳态性能．仿真结果表明：与传统PID控制算法比较，该控制方法响应速度快，具有更好的控制效果． 相似文献
3.
改进PSO算法及在PID参数整定中应用研究 总被引：14，自引：3，他引：14
针对粒子群优化算法(PSO)存在早熟和局部收敛的问题,提出了一种带变异算子的改进粒子群优化算法(IPSOM),该算法在搜索中以一定变异概率对选中的粒子进行变异,同时对飞离搜索区域的粒子用新产生的粒子取代,以克服粒子群优化算法易陷入局部最优解的缺陷。用一典型的Rastigrin复杂函数对新算法进行测试,结果表明改进的算法较之粒子群优化算法(PSO)和常规遗传算法(SGA)不但提高了全局寻优能力,而且有效避免了早熟收敛问题。在此基础上将这种改进算法应用于高阶带时滞对象的PID控制器设计中进行仿真研究,结果表明了所提出算法的有效性和所设计控制器的优越性。 相似文献
4.
针对一类非完整移动机器人, 通过输入-状态变换得到一个三输入链式系统, 考虑其在含有不确定控制方向和外部扰动时动态反馈的有限时间镇定问题. 运用非光滑控制理论, 给出了新型切换设计算法, 并得到了不连续的三步切换控制器, 使得相应的闭环系统全局有限时间镇定. 通过数值仿真验证了该控制策略的有效性. 相似文献
1