淺談自動控制領域中遺傳算法的應用

摘 要：在當今社會科學技術不斷發展的今天，辦公自動化，生產智能化已經成為社會發展，工作生產日常生活中重要組成部分。從產品研發到生產車間對于自動控制的要求越來越高，而與此同時自動控制要解決處理的問題越來越復雜，程序量也隨之加大。在自動控制領域面臨著嚴重考驗的情況下，遺傳算法為其提供了最優化的方法。

關鍵詞：遺傳算法 自動控制 優化設計

中圖分類號：TP311 文獻標識碼：A 文章編號：1672-3791（2013）02（a）-0020-01

遺傳算法是近些年來發展迅速的一門新興學科，其根本原理是從達爾文的進化輪中得以衍生，是在微型計算機上進行生物自然進化機制的模擬，也是人工智能的一大分支。其根本原則遵循“優勝略汰，適者生存”的良性循環體系。再此計算機制下，很多傳統數學無法解決的問題或無法精確使結果失效的問題以及最優化求解等問題，該算法能夠有效地進行解決。在遺傳算法廣泛應用的同時，其在實際運行中產生的巨大價值與無限潛力受到了業界認識的廣泛關注與研究。

1 遺傳算法（GA）

遺傳算法指的是生物的遺傳基因和其本身所具有的進化機制為根本的隨機搜索算法。而遺傳算法的形成與發展主要經歷了以下幾個階段：初期，20世紀中末期是遺傳算法的起步階段，而在末期該算法已經成為一種高效率，低失誤的的魯棒性強的優化先進技術。魯棒性（RobustNess）指的是在眾多環境迥異卻可以通過概率與功能之間有效協調與平衡來尋求生存的能力。而魯棒性的最有發展空間是在生物系統中，人工系統很難達到該狀態。魯棒算法的的宏觀定義為仿生算法，也就是說他在模仿生命存在智能發展的進化過程，而自然界的規律“優勝劣汰，適者生存”亦被其遵循。遺傳算法是由在樣本中隨機抽取個體組成的集體學習模式。其中的單獨個體表示定向問題中空間搜索的一點，遺傳算法則從初始全體進行探究，通過進行交叉，變異和隨機選擇來進行操作。使該群體進化到整個搜索空間中越來越好的結果域。選擇使群體中個性較強的得以保留，而交叉則是教父輩的優良信息有效的結合在一起傳授到子代群體，而變異正是群體在演變過程中的新物種的誕生。

遺傳算法雖然是一種基于生物界的一種算法，但是當代，人們也將其廣泛的運用到各行各業。正是因為遺傳算法吸收了自然界生物系統的進化原理，從而能夠在較為復雜的空間中進行搜索。解決了許多傳統算法都難以解決的優化問題。例如，遺傳算法將生物進化原理復制到待優化參數的形成編碼中，按照其需要值及其遺傳操作進行對每個個體的篩選。被篩選出的個體又組成新的群體。而新的群體不僅保留了上一代的信息，并且得到了優化的個體。如此循環往復，群體的適應值不斷提高，直到滿足實驗需求，得到最優解。

2 遺傳算法特點

遺傳算法能夠在復雜的空間進行有效地全局優化，并且具有較強的魯棒性，那么，與傳統算法相比較，遺傳算法有哪些優勢呢？首先，從參數角度來說，遺傳算法是對賦予參數本身的編碼進行的操作與篩選，而非參數的本身。解除了傳統算法的局限性。而對一個編程群體來進行操作，所得出數據的信息量將更加龐大，具有最優的效果。然后，遺傳算法的開始不僅是從一個點進行操作，而是很多個點共同進行操作的，解除了傳統算法局限于一點的局限性。有效地預防了在搜索過程中的局部最優解的收斂。其次，遺傳算法針對帶求解空間進行的是高效性啟發式的搜索模式，而非傳統算法中的盲目窮舉和隨機搜索。最后，遺傳算法針對于傳統算法來說降低了對數學的要求，還可以通過并行計算的方式，來進行大規模的并行計算，從而大大提高了計算速度與計算時間。

3 遺傳算法在自動控制領域的應用

根據其特點遺傳算法在自動控制領域的應用又可以大致的分為兩類：第一類是離線設計分析；第二類是在線自動適應調節。在離線設計分析中，我們又可將其細為直接設計法和間接設計法。在直接設計法中，遺傳算法就被用作為優化引擎和優化搜索。而在間接設計法中，遺傳算法則起到為各個配置設計提供優化參數如加權函數矩陣，而遺傳計算函數的在線應用也被分為兩種情況：一種是遺傳算法用于自適應控制器的調整；另一種是遺傳算法的直接優化控制器的參數，也可用傳統的辨識方法估計系統的狀態。

3.1 電力系統中遺傳算法的應用

對于微型水電站來說，其穩速裝置通常采用電子負荷調節器。該結構可以轉化水輪機的結構，省去機械調速器的使用，便于進行維護，大大地降低了成本，而電子負荷調節器的工作原理就是調控發電機的輸出側的平衡負載來實現輸入和輸出的力矩平衡關系，來進行轉速穩定的控制。并且其工作環境只在實際負載小于發電機出力的情況下進行有效運轉。而以前的電子負荷調節器采用的是單純的PID控制，但是該控制僅僅滿足其基本的控制要求。但是其問題也是顯而易見的，在開關機和機組負荷較大的擾動時，機組轉速較大，頻率波動范圍較大，在此過程中會嚴重影響機組的壽命，同時該現象會導致電壓不穩，會影響用電安全和電氣機械的使用壽命。而遺傳算法則是對該控制的性能進行了全方位的優化。遺傳算法中只需要提供目標函數，及其包含的取值信息。因此，該算法適用于大規模的不斷連續波的多峰函數的優化和無解析表達式的目標函數優化，其通用性較強。電力系統中的各個元件的工作特性是比較復雜的，所以采用電子負荷調節器PID控制效果往往不盡人意，無法達到理想的控制效果。而遺傳算法的引進，使其對參數進行編碼，改進的遺傳操作就可以盡量避免被控制變量出現超負荷，使其效果達到更為理想。

3.2 模糊控制中遺傳算法的應用

模糊控制指的是模擬人的近似推理和決策過程的一種實用的控制方法。但是模糊控制是具有依賴性的控制，缺乏自學習和自控能力。而與遺傳算法的結合，使其能夠根據實際情況做出相應的變動。而基于遺傳算法尋優的模糊控制器主要將遺傳算法技術，神經元網絡，模糊控制技術相結合。從而達到模糊控制器在線自尋優。

4 結語

在科技高速發展的時代，對高科技的需求越發廣泛。在人類不斷進行科學探究以提高生活水平的同時智能化控制技術已逐漸成為自動化控制領域中的重要組成部分之一。而遺傳算法則是智能化控制技術的最為主要的優化形式，能夠為自動化的良好實施提供一個優良的應用框架，在問題的處理中達到最優化的效果并且節省資源成本消耗。在實踐過程中，遺傳算法在自動控制領域中還有很大的發揮空間和完善價值。在不斷地實施，進化，完善的基礎上使遺傳算法在自動控制領域發揮更大的功效。

參考文獻

[1]張紹紅，王尚旭，寧書年.模擬退火法和遺傳算法聯合優化技術及在反演解釋中的應用[J].煤炭學報，2004（1）.

[2]萬月珍，廖成旺.用遺傳算法對自動控制系統數學模型尋優[J].地殼形變與地震，2001（2）.