简介:核主分量分析是一种输入输出特征非线性变换技术。选择最优或接近最优的非线性变换核函数参数,使类的可分性测度最大,是KPCA应用于特征提取的关键。本文采用高斯变异遗传算法作优化技术,实现了KPCA和GA的集成,适合核函数参数的优化选择。仿真表明,该技术可行、有效。
简介:一、遗传算法的发展遗传算法(GeneticAlgorithms简称GA)是由美国Michigan大学的JohnHolland教授于20世纪60年代末创建的。它来源于达尔文的进化论和孟德尔、摩根的遗传学理论,通过模拟生物进化的机制来构造人工系统。从1985年在美国卡耐基.梅隆大学召开的第一届国际遗传算法会议到1997年5月IEEE的Transactions0nEvo-lutionaryComputation创刊,遗传算法作为具有系统优化、适应和学习的高性能计算和建模方法的研究渐趋成熟。[1]遗传算法是一种自适应全局优化概率搜索算法,主要有以下特点:(1)自组织、自适应和学习性(智能性)。遗传算法消除了算法设计中的一个最大障碍,即需要事先描述问题的全部特点,并要说明针对问题的不同特点算法应采取的措施,因此,它可用来解决复杂的非结构化问题。(2)直接处理的对象是参数的编码集而不是问题参数本身。(3)搜索过程中使用的是基于目标函数值的评价信息,搜索过程既不受优化函数连续性的约束,也没有优化函数必须可导的要求。(4)具有显著的隐并行性。遗传算法按并行方式搜索一个种群数目的点,而不是单点。它的并行性表现在两个方...
简介:PID控制技术成熟,广泛应用于化工生产过程控制中,阐述PID控制的典型结构,调节方法,主要阐述基于遗传算法的PID控制技术。
简介:针对PID控制器参数优化问题,提出了基于多种群遗传算法的参数整定方法。为了实现快速高效的参数优化,我们将多种群遗传算法与下山单纯形局部优化算法相结合,提高了算法搜索到全局最优解的概率,并加快了算法收敛速度。实验结果表明,该方法可以实现最优PID参数控制,得到比经典遗传算法更为理想的控制效果。此外,该方法具有普遍的适用性,可用于其它参数优化问题。
简介:纸机干燥部吹贯蒸汽流速控制是解决烘缸积水问题的一项重要措施。吹贯蒸汽流速控制通常采用PID控制器,而传统的PID控制方法的控制精度较低、参数整定耗时较长,难以达到理想的控制效果。本课题在对基本遗传算法进行分析的基础上,提出了一种改进的遗传算法,并将该算法用于PID控制器参数优化,实现对纸机干燥部吹贯蒸汽流速的精确控制。MATLAB仿真实验结果表明,与常规PID控制器和基于基本遗传算法的PID控制器相比,基于改进遗传算法的PID控制系统具有响应速度快、超调量小、鲁棒性强的优点,能够获得理想的控制效果。文中所述算法已投入实际应用,明显提高了二次蒸汽的利用效率,能够获得可观的经济效益。
简介:摘要:一直以来,由于遗传算法的优异性,被广泛应用在各个领域;本文通过遗传的各个步骤和方法的介绍,便于学者理解,并指出算法的评价指标,为广大学者提供验算标准。