遺傳算法在自動控制領域中的應用綜述

龔玲

摘 要：當前，許多控制領域問題，當考慮到系統優化、自適應、自學習以及自組織等方面的要求時，多存在很多常規方法難以奏效的困難。而遺傳算法在自動控制領域中的應用已經得到了良好效果。如遺傳算法進行航空控制系統的優化、使用遺傳算法設計空間交會控制器以及運用遺傳算法進行人工神經網絡的結構優化設計和權值學習等都顯示出了遺傳算法在自動控制領域中應用的可能性。本文就對遺傳算法在自動控制領域中的應用做一些探討。

關鍵詞：遺傳算法；自動控制；應用綜述

遺傳算法是一類借鑒生物界的適者生存和優勝劣汰遺傳機制的進化規律演變而來的隨機化搜索方式。它是由美國J·Holland教授于1975年提出的，遺傳算法的主要特征就是對結構對象進行直接操作，不存在求異和函數連續性的限定，具有內在的隱并性和更好的全局尋優能力，它采用概率化的尋優方式，可以自動獲取以及指導優化的搜索空間，自適應地對搜索方向進行調整而不需要確定的規則。遺傳算法的這些性質已經被人們廣泛應用于自動控制領域當中，它是自動控制領域中的關鍵技術之一。

1 遺傳算法在自動控制領域中的應用

在自動控制領域中，遺傳算法可以分為離線設計分析以及在線自適應調節兩大類。其中離線設計分析又可以分為兩類，即直接設計與間接設計法。遺傳算法在直接設計法當中可以作為一個搜索與優化引擎，而在間接設計法當中，遺傳算法可以為其提供一個比較優化的參數如加權函數矩陣。遺傳算法在線應用情況一般分為被用來當作學習機制辨識未知的特征參數和直接優化控制器的參數這兩種情況，這個時候可以運用傳統的辨識方式去對系統的狀態進行估計，以此構成遺傳算法作為自適應優化機制的自適應控制器。

1.1 系統辨識

在自動控制領域中，系統辨識是設計的基礎。傳統的辨識方式通常都是先把模型結構給確定好，再把模型的參數給確定好，在確定這些系統結構的時候往往要具備許多先驗知識，如果結構出現不理想狀態，就必須要對結構重新進行確定，然后對參數進行辨識，這就使得系統辨識比較復雜。而遺傳算法的運用就改變了這一復雜化程度，它可以是連續的，能夠對參數空間的不同區域進行搜索，并把這些搜索的方向指向更加優解的區域。遺傳算法可以對空間中的多個點進行同時處理和搜索，增加了全局優解的效果。同時，遺傳算法在模型的線性化與降價處理中應用的也比較廣泛，它可以對全局最優的名義模型和加性或乘性不確定性誤差界函數進行同時辨識，對那些連續以及離散系統進行處理，在控制基因中引入遺傳算法并作為結構開關，可以對模型的階次以及參數進行同時優化，既適用于時域問題又適用于頻域模型。

1.2 非線性系統

在自動控制領域設計中，很多控制問題可以包含在優化的框架之內。一般情況下，這種優化任務要在一個多維空間當中對若干個參數進行同時確定，受限于實際問題，這些參數通常帶有比較嚴格的約束以及非線性，而且指標函數不僅不能夠連續而且也不可微，不一樣的參數組合有可能得到一個相同的控制作用。這時運用傳統優化的方式很容易對初始值的選取感到敏感，從而陷入附近的局部極值。遺傳算法就給非線性系統的有效控制找到了良好途徑，因為遺傳算法不需要指標函數的微分，在設計自動化方法時，可以對實際系統的多個性能要求進行考慮，并且可以為非線性對象的線性控制器進行直接設計，而不用將對象線性化，很多實踐都能夠證明遺傳算法在自動控制系統設計中有一個非常有效且合理的方法。

1.3 神經網絡

近幾年來，遺傳算法在神經網絡優化中使用的越來越廣泛，這也是當前非常重要的應用方向。神經網絡有著強大的棒性與容錯性、大規模的行性與能學習性、比較復雜的非線性等優勢，使其在自動控制領域中引起了廣泛關注，對其應用的研究也非常活躍。在自動控制領域中，神經網絡運用最多的就是層前饋神經網絡模型，這種模型有著非常廣的輸入以及輸出映射能力，然而因為這種模型是運用的反向傳播算法，這種算法要在很長時間才能接受，并且會遇到一些局部極小的問題。當前，用遺傳算法對神經網絡進行優化可以分為三個方面，即對網絡結構進行優化、對權系數進行優化以及對結構和參數進行同時優化。用遺傳算法進行模糊神經網絡權值的優化，這在許多文獻資料中都有研究，依照仿真結構來進行表明，運用遺傳算法對神經網絡控制器進行學習，可以讓神經網絡的映射能力更加廣泛以及遺傳算法更加快速收斂。

2 對遺傳算法在自動控制領域應用的展望

隨著科學技術的不斷提升，遺傳算法得到了迅速發展，并廣泛應用于各個領域當中。但是遺傳算法還有許多有待解決的問題，這些問題有：算法存在早熟；收斂速度比較低，尤其是對用用到一些高維且復雜程度的問題中這種情況表現的更加明顯；遺傳算法本身的參數選取存在著許多困難。當前，遺傳算法在自動控制領域中的應用大多數還處在仿真研究的階段當中，實際的應用相對比較少，怎樣依照自動控制系統的特點來對適用于自動控制系統分析與設計的遺傳算法進行選擇是以后要重點研究的內容，這就要求廣大設計者要充分理解、熟悉和掌握實際工程中的問題和控制理論；要有效合理地進行編碼以組成染色體以及有效解決多目標優化問題。

[參考文獻]

[1]王博巖，盧肖，陳潔，張燕平.基于精英遺傳算法的GSM網絡頻點優化設計[J].計算機技術與發展，2013（02）.

[2]梁雨生，李向波.基于遺傳算法的裝配線平衡問題研究[J].價值工程，2013（05）.

[3]解慶，趙小強.遺傳算法編碼策略研究[J].甘肅科技，2013（02）.

[4]楊驥，郝志勇，葛如煒，鄭旭.基于遺傳算法的發動機冷卻模塊振動優化[J].振動與沖擊，2013（01）.