资料下载
×
并行多目标遗传算法在控制系统优化中的应用
消耗积分:5 |
格式:rar |
大小:245 |
2009-08-07
分享资料个
为了提高复杂控制系统设计问题中的效率，提出了一种基于主从模型的并行多目标遗传算法的优化器模型。主进程进行各类遗传操作和最优排序操作，所有进程都进行目标函数值和约束函数值的运算操作，并采用动态负载平衡策略。将该优化器应用在飞行器控制系统设计中，显示出了该算法的优良效果。
工程实际中的许多复杂控制系统设计优化问题往往是多目标的，通常这些目标是相互冲突的，一个目标性能的改善，极可能降低其他目标的性能。应用不同的多目标优化方法，对设计结果的影响很大。传统的设计方式是对各个目标分别考虑，需要导数信息，并根据经验设计，这样导致设计周期长、过程复杂且易于陷入局部最优。因此迫切需要建立一种多目标的综合优化设计方法。
遗传算法作为一种超启发式的搜索算法，不需要许多数学上的必备条件，在处理具有多峰、非连续、不可微、非凸或者不满足Lipschitz 等条件的问题上能够取得良好的效果[1]。同时由于遗传算法的随机性和隐含并行性，使其能够搜索到多个局部最优点，因此非常适用于多目标优化问题。遗传算法工程上应用面临的挑战是大计算量，为了提高遗传算法效率，这里提出了一种具有动态负载均衡能力的并行多目标遗传算法，并把它作为优化器应用到了控制系统设计问题中。
工程实际中的许多复杂控制系统设计优化问题往往是多目标的，通常这些目标是相互冲突的，一个目标性能的改善，极可能降低其他目标的性能。应用不同的多目标优化方法，对设计结果的影响很大。传统的设计方式是对各个目标分别考虑，需要导数信息，并根据经验设计，这样导致设计周期长、过程复杂且易于陷入局部最优。因此迫切需要建立一种多目标的综合优化设计方法。
遗传算法作为一种超启发式的搜索算法，不需要许多数学上的必备条件，在处理具有多峰、非连续、不可微、非凸或者不满足Lipschitz 等条件的问题上能够取得良好的效果[1]。同时由于遗传算法的随机性和隐含并行性，使其能够搜索到多个局部最优点，因此非常适用于多目标优化问题。遗传算法工程上应用面临的挑战是大计算量，为了提高遗传算法效率，这里提出了一种具有动态负载均衡能力的并行多目标遗传算法，并把它作为优化器应用到了控制系统设计问题中。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
