高校動態(tài)多目標(biāo)優(yōu)化算法及其在PID控制中的應(yīng)用研究.pdf

1、在工程設(shè)計、實時控制、人工智能等工程領(lǐng)域廣泛存在著一類優(yōu)化目標(biāo)和約束條件會隨時間變化而變化的問題，這類問題被稱為動態(tài)優(yōu)化問題，也稱為動態(tài)環(huán)境下的優(yōu)化問題。若問題的優(yōu)化目標(biāo)不止一個，則稱為動態(tài)多目標(biāo)優(yōu)化問題。對動態(tài)多目標(biāo)優(yōu)化問題的求解要求算法在運行中能不斷地根據(jù)問題隨時間變化的情況進行調(diào)整，快速搜尋到變化后的Pareto最優(yōu)解集。這也就要求動態(tài)多目標(biāo)優(yōu)化算法有著較高的求解效率，尤其是面對越來越復(fù)雜的工程問題，現(xiàn)有的很多算法也將變得無能為力

2、。
　　 針對這一問題，本文在微型多目標(biāo)遺傳算法的基礎(chǔ)上進行改進，提出了一種高效的動態(tài)微型多目標(biāo)遺傳算法。該算法通過采用小規(guī)模進化種群來提高求解效率，并通過在進化過程中引入一種環(huán)境檢測機制，來跟蹤環(huán)境的變化，保證算法在環(huán)境變化后快速搜索到新環(huán)境下的Pareto最優(yōu)解集。種群進化過程中，在每一代遺傳操作完成后，啟動檢測機制，計算當(dāng)前代所有個體的目標(biāo)函數(shù)及約束函數(shù)的值，并與前一代相對應(yīng)的函數(shù)值的計算結(jié)果進行比較。如果出現(xiàn)任何不同，則

3、認(rèn)為問題隨時間發(fā)生了變化。此時，為了保證算法對問題變化迅速跟蹤和響應(yīng)，通過對問題變化強度的計算，選擇合適的方式重新生成一個種群，同時與保存的前一代的信息解以及外部種群合并后，更新非支配解集，進入新的進化過程。
　　 接著，本文通過對四種不同類型的動態(tài)多目標(biāo)優(yōu)化測試問題的求解，對動態(tài)微型多目標(biāo)遺傳算法的性能進行測試，并與現(xiàn)有性能較好的動態(tài)多目標(biāo)優(yōu)化算法DNSGA-Ⅱ進行對比，驗證了動態(tài)微型多目標(biāo)遺傳算法具有較高的求解效率和求解精度