遺傳算法的基本原理 基于遺傳算法整定的PID控制

　　遺傳算法簡(jiǎn)稱(chēng)GA（Genetic Algorithms）是1962年由美國Michigan大學(xué)的Holland教授提出的模擬自然界遺傳機制和生物進(jìn)化論而成的一種并行隨機搜索最優(yōu)化方法。它將“優(yōu)劣汰，適者生存”的生物進(jìn)化原理引入優(yōu)化參數形成的編碼串聯(lián)群體中，按所選擇的適配值函數并通過(guò)遺傳中的復制、交叉及變異對個(gè)體進(jìn)行篩選，使適配值高的個(gè)體被保留下來(lái)，組成新的群體，新的群體既繼承了上代的信息，又優(yōu)于上一代。這樣周而復始，群體中個(gè)體適應度不斷提高，直到滿(mǎn)足一定的條件。其算法簡(jiǎn)單，可并行處理，能得到全局最優(yōu)解。遺傳算法的主要特點(diǎn)：

　?。?）遺傳算法是對參數的編碼進(jìn)行操作，而非對參數本身：

　?。?）遺傳算法是從許多點(diǎn)開(kāi)始并行操作，而非局限于點(diǎn)；

　?。?）遺傳算法通過(guò)目標函數來(lái)計算適配值，而不需要其他推導，從而對問(wèn)題的依賴(lài)性較?。?/p>

　?。?）遺傳算法的尋優(yōu)規則是由概率決定的，而非確定性的；

　?。?）遺傳算法在解空間進(jìn)行高效啟發(fā)式搜索，而非肓日地窮舉或完全隨機搜索：

　?。?）遺傳算法對于待尋優(yōu)的函數基本無(wú)限制，它既不要求函數連續，也不要求函數可微，既可以是數學(xué)解析式所表示的顯函數，又可以是映射矩陣其至是神經(jīng)網(wǎng)絡(luò )的隱函數，因而應用范圍較廣；

　?。?）遺傳算法具有并行計算的特點(diǎn)，因而可通過(guò)大規模并行計算來(lái)提高計算速度：

　?。?）遺傳算法更適合大規模復雜問(wèn)題的優(yōu)化；

　?。?）遺傳算法計算簡(jiǎn)單，功能強。