四、遗传算法及其在辨识中的应用

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,四、 遗传算法及其在辨识中的应用,1 遗传算法,基于进化论中的优胜劣汰、自然选择、适者生存和物种遗传思想的收索算法。,主要用于： 优化计算,系统参数辨识,1,算法思想：将问题的求解表示成“染色体”，将它们置于问题的环境中，根据适者生存的原则，从中选择出适应环境的“染色体”进行复制，通过交换、变异操作产生新的一代更适应环境的“染色体”群，这样一代一代地不断变化，直至最后收敛到一个最适应环境的个体。,2,遗传算法的出发点是一个简单的群体遗传模型,该模型基于以下假设：,染色体由一固定长度的字符串组成,群体由有限数目的基因型组成,每一个基因型有一相应的适应度，表示该基 因型生存与复制的能力,四个变异遗传算子：,变换、突变、倒位、复制,3,遗传算法的特点,GA是对问题参数的编码进行优化，而不是参数本身；,GA要求将优化问题的参数编码成长度有限代码集有限的串；,GA的搜索是从问题解的串集开始，而不是单个解；,GA使用对象函数值这一信息进行搜索；,GA算法使用的算子是随机操作；,隐含的并行性。,4,应用GA的几个要点,问题编码,如何确定对象函数,确定GA 算法本身参数,5,2.使用遗传算法辨识系统参数,采用遗传算法辨识系统参数的步骤：,（1）随机产生N个二进制字符中，每个字符串表示一组系统参数；,（2）计算每一组参数的适应值；,（3）应用复制、交叉、变异算子对群体进行进化操作,（4）复制（2）、（3），直至算法收敛/或达到预先设定的世代码；,（5）群体中适应度最好的字符串表示的参数就是所需要辨识的系统参数。,6,其 它,基于遗传算法的非线性系统模型参数估计,辨识有理NARMA模型问题,确定神经网络的结构参数,系统优化问题求解,7,五、参考模型辨识方法,参考模型,被辨识对象,自适应律,e,r,通过自适应律直接调整模型参数，使参考模型方程与被辨识对象的方程完全匹配。,8,六、其 它,“鲁棒”辨识方法,“集员”辨识方法,9,