1、遺傳算法是基于自然進(jìn)化理論的一種并行、高效的全局優(yōu)化搜索算法,通過模擬生物的進(jìn)化(自然選擇、交叉、變異),將優(yōu)化問題轉(zhuǎn)化為生物進(jìn)化過程,采用優(yōu)勝劣汰的機(jī)制來獲得問題的最優(yōu)解.但傳統(tǒng)遺傳算法有一些不足,如搜索效率不高,有時(shí)會(huì)出現(xiàn)未成熟收斂等,尤其二進(jìn)制編碼的遺傳算法,計(jì)算工作量大,因?yàn)樗枰爆嵉淖g碼操作,而且在需要獲得高精度結(jié)果的尋優(yōu)過程中二進(jìn)制編碼的遺傳算法的編碼字符串長度需要很長,這無疑增加了計(jì)算的復(fù)雜度,減慢了收斂速度.因此,彌補(bǔ)

2、該算法的不足,對(duì)遺傳算法進(jìn)行改進(jìn)或?qū)⑦z傳算法與其它算法復(fù)合已經(jīng)成為一個(gè)重要的發(fā)展方向,許多改進(jìn)遺傳算法的方法不斷地被提出來.針對(duì)上述缺點(diǎn),該文提出了一種混合遺傳算法.它采用了浮點(diǎn)數(shù)編碼,可以提高搜索結(jié)果的精度,同時(shí)又不需要增加太大的工作量.另外,為了提高收斂速度以及防止早熟現(xiàn)象,對(duì)遺傳算法的各個(gè)操作環(huán)節(jié)做出了一些改進(jìn),從初始群體的產(chǎn)生到遺傳算子的改進(jìn)等.同時(shí),在進(jìn)化的不同時(shí)期根據(jù)個(gè)體的適應(yīng)度和相似度不斷地修改交叉和變異概率,并引入小生鏡

3、技術(shù)保持群體的多樣性和單純形法改善算法的局部搜索能力,使算法能有效地跳出局部極值點(diǎn).模糊控制是智能控制的重要分支,它參考人們的經(jīng)驗(yàn)而不依賴于被控對(duì)象的數(shù)學(xué)模型,因此它被廣泛地應(yīng)用在具有復(fù)雜的非線性環(huán)節(jié)的控制領(lǐng)域中.模糊控制器的性能依靠于幾個(gè)關(guān)鍵因素:隸屬函數(shù)和模糊規(guī)則表.傳統(tǒng)的選擇參數(shù)的方法主要依賴于人們的經(jīng)驗(yàn),因此存在較大的主觀性和隨意性.該文將混合遺傳算法用于模糊控制器的參數(shù)選取,在MATLAB環(huán)境中設(shè)計(jì)了針對(duì)工業(yè)過程中常見的二階模