系統辨識中應用遺傳算法的分析及研究*

佘明洪

（1.重慶電子工程職業學院，重慶 401331；2.重慶大學自動化學院，重慶 400044）

系統辨識中應用遺傳算法的分析及研究*

佘明洪1，2

（1.重慶電子工程職業學院，重慶 401331；2.重慶大學自動化學院，重慶 400044）

文章首先闡述了系統辨識與遺傳算法，隨后對遺傳算法在系統辨識中的具體應用進行論述。期望通過文章的研究能夠對促進遺傳算法在系統辨識中的推廣應用有所幫助。

系統辨識；遺傳算法；應用

1 系統辨識與遺傳算法概述

1.1 系統辨識

系統辨識是指以輸入和輸出數據為基礎，從某一類模型當中確定出一個與被測系統等價的模型。該定義中的關鍵要素有三個，即數據、模型和等價準則。可將系統辨識分為整體辨識和部分辨識。

1.2 遺傳算法

遺傳算法簡稱GA，是一種計算模型，能夠通過模擬自然進化過程獲取最優解。適應度是該方法最基本的搜索信息，不需要其它的輔助信息，由此使得GA成為智能計算的關鍵技術之一。GA具備全局性、高效性、并行性、魯棒性、易擴展性、普適性、簡明性等優點。

2 遺傳算法在系統辨識中的具體應用

系統辨識的對象包括系統參數和系統結構。傳統辨識方法僅能辨識其中一種，而GA可以辨識兩種。

2.1 GA在系統參數辨識中的應用

運用GA對系統參數進行辨識的過程中，需要先建立一個模型，借助該模型將參數辨識問題轉化為GA對模型參數的優化問題。利用二進制對各個參數進行編碼處理，使其構成子串，隨后以拼接的方式將子串構成“染色體”串。便于分析研究，可將系統描述成如下形式：

（3）確定適應度函數。估計的函數模型應當與實際數值的誤差越小越好，而GA規定適應度函數的值越大，則表明該“染色體”的優越性越強。設該模型與已知實際值的誤差平方和的倒數為最優模型估計的標準，由此可得適應度函數為經過計算，生成的“染色體”分別對應十進制值，隨后從中找到使適應度達到最大的“染色體”，與之相對應的十進制數即為本次計算所得的最優解。最后采用多次循環的方法，便可獲得最優模型。通過誤差驗證，遺傳算法在系統參數辨識中具有較高的精確性。

2.2 GA在系統結構辨識中的應用

GA是一種模擬生物進化現象的優化方法，將定向與隨機搜索有機結合，通過潛在解的群體實現全局尋找最優解的目標。GP是GA的擴展與延伸，它使用變長層次結構的程序樹，克服了GA定長編碼的局限性，有利于復雜問題的表述。GP在運算速度上也要優于GA。由于系統結構辨識是一個較為復雜的問題，因此可運用GP來解決此類問題，具體方法如下：

（1）生成初始個體。GP中的所有個體全部都是由算法樹刻畫的函數表達式，為便于動態修改，可將算法樹視作為GP的對象。在初始個體生成的過程中，從F（函數集）中以均分、隨機的方法選一個函數作為根節點，主要目的是為了生成具有層次化特點的復雜結構。當根節點選好之后，可以按照發出的線數，從F與終止符的并集當中，選出一個尾節點，此時算法樹生成過程終止。

（2）生成初始群體。在GP中，初始群體的產生有兩種方法，一種是生長法，深度優先；另一種是完全法，寬度優先。為使群體的形態更加豐富，搜索點能夠最大限度地分布，可將兩種方法結合，以此來生成初始群體。

（3）算子。在GP中的基本算子主要包括復制、交換與突變。復制是將上一代的優良個體帶入到下一代群體當中，遵循優勝劣汰的原則；交換則是整個子樹的交換，為避免交換過程中產生出巨形個體，必須使用樹的最大允許深度對交換過程進行控制；在GP中，突變的作用較小，每一代個體中僅有5%左右會發生突變。

（4）辨識步驟。先確定出個體的表達方式，生成初始群體，執行相關的遺傳操作，如復制、交換等，循環執行，直至達到終止條件。

3 結束語

綜上所述，遺傳算法在系統參數辨識中具有較高的精確性，并能對復雜的非線性系統結構進行辨識，其克服了傳統辨識方法的不足，具有一定的推廣使用價值。

[1]劉正龍,楊艷梅,羅玉軍.基于遺傳算法的非線性系統辨識的研究[J].黑龍江大學自然科學學報,2014,(6):76-78.

[2]趙林,魏彤.基于“自適應遺傳算法”的磁軸承系統辨識[J].自動化與儀表,2014,(4):55-57.

[3]任燕燕.基于智能計算的非線性系統辨識算法研究及其應用[D].華北電力大學.2014.

TP301.6

A

2096-2789（2016）12-0011-01

重慶市高等教育教學改革研究重點項目，高職院校電子信息類專業實踐教學評價體系的研究與構建（項目編號：142059）。