高校動(dòng)態(tài)多目標(biāo)優(yōu)化算法及其在PID控制中的應(yīng)用研究.pdf

1、在工程設(shè)計(jì)、實(shí)時(shí)控制、人工智能等工程領(lǐng)域廣泛存在著一類優(yōu)化目標(biāo)和約束條件會(huì)隨時(shí)間變化而變化的問(wèn)題，這類問(wèn)題被稱為動(dòng)態(tài)優(yōu)化問(wèn)題，也稱為動(dòng)態(tài)環(huán)境下的優(yōu)化問(wèn)題。若問(wèn)題的優(yōu)化目標(biāo)不止一個(gè)，則稱為動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題。對(duì)動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題的求解要求算法在運(yùn)行中能不斷地根據(jù)問(wèn)題隨時(shí)間變化的情況進(jìn)行調(diào)整，快速搜尋到變化后的Pareto最優(yōu)解集。這也就要求動(dòng)態(tài)多目標(biāo)優(yōu)化算法有著較高的求解效率，尤其是面對(duì)越來(lái)越復(fù)雜的工程問(wèn)題，現(xiàn)有的很多算法也將變得無(wú)能為力

2、。
　　 針對(duì)這一問(wèn)題，本文在微型多目標(biāo)遺傳算法的基礎(chǔ)上進(jìn)行改進(jìn)，提出了一種高效的動(dòng)態(tài)微型多目標(biāo)遺傳算法。該算法通過(guò)采用小規(guī)模進(jìn)化種群來(lái)提高求解效率，并通過(guò)在進(jìn)化過(guò)程中引入一種環(huán)境檢測(cè)機(jī)制，來(lái)跟蹤環(huán)境的變化，保證算法在環(huán)境變化后快速搜索到新環(huán)境下的Pareto最優(yōu)解集。種群進(jìn)化過(guò)程中，在每一代遺傳操作完成后，啟動(dòng)檢測(cè)機(jī)制，計(jì)算當(dāng)前代所有個(gè)體的目標(biāo)函數(shù)及約束函數(shù)的值，并與前一代相對(duì)應(yīng)的函數(shù)值的計(jì)算結(jié)果進(jìn)行比較。如果出現(xiàn)任何不同，則

3、認(rèn)為問(wèn)題隨時(shí)間發(fā)生了變化。此時(shí)，為了保證算法對(duì)問(wèn)題變化迅速跟蹤和響應(yīng)，通過(guò)對(duì)問(wèn)題變化強(qiáng)度的計(jì)算，選擇合適的方式重新生成一個(gè)種群，同時(shí)與保存的前一代的信息解以及外部種群合并后，更新非支配解集，進(jìn)入新的進(jìn)化過(guò)程。
　　 接著，本文通過(guò)對(duì)四種不同類型的動(dòng)態(tài)多目標(biāo)優(yōu)化測(cè)試問(wèn)題的求解，對(duì)動(dòng)態(tài)微型多目標(biāo)遺傳算法的性能進(jìn)行測(cè)試，并與現(xiàn)有性能較好的動(dòng)態(tài)多目標(biāo)優(yōu)化算法DNSGA-Ⅱ進(jìn)行對(duì)比，驗(yàn)證了動(dòng)態(tài)微型多目標(biāo)遺傳算法具有較高的求解效率和求解精度