1、DNA 計(jì)算作為一個(gè)嶄新的研究領(lǐng)域，仍處于萌芽階段，本身還有很多理論和實(shí)際問(wèn)題需要解決。遺傳算法(GA)是一種在分子水平模擬生物進(jìn)化過(guò)程來(lái)求解復(fù)雜問(wèn)題的有效算法。DNA計(jì)算與GA兩者天生就具有某種必然的聯(lián)系。由于生物DNA計(jì)算的局限性，遺傳算法可以作為DNA計(jì)算進(jìn)行復(fù)雜優(yōu)化問(wèn)題求解的橋梁。用DNA編碼表示復(fù)雜知識(shí)或系統(tǒng)，模擬DNA分子操作以發(fā)現(xiàn)和處理信息，在進(jìn)化中獲取和更新知識(shí)，既可以充分發(fā)揮DNA計(jì)算的開創(chuàng)性思想，又可以解決自動(dòng)控制、

2、模式識(shí)別、決策、機(jī)器學(xué)習(xí)等理論與工程實(shí)際中存在的各種復(fù)雜優(yōu)化問(wèn)題。著眼于這一認(rèn)識(shí)，本文致力于將DNA計(jì)算和遺傳算法相結(jié)合，用以解決控制系統(tǒng)的建模與優(yōu)化設(shè)計(jì)問(wèn)題，具有十分重要的現(xiàn)實(shí)意義。本文的主要研究工作如下： (1)基于生物RNA操作及DNA序列選擇和變異模型，提出了一種RNA-GA算法。該算法利用RNA分子A、T、U、C進(jìn)行編碼設(shè)計(jì)，并結(jié)合RNA分子操作和DNA變異模型，設(shè)計(jì)了SGA的交叉和變異算子?；贛arkov鏈模型對(duì)R

3、NA-GA算法進(jìn)行了收斂性分析。通過(guò)對(duì)典型測(cè)試函數(shù)的仿真計(jì)算和對(duì)比研究，驗(yàn)證了所提算法的優(yōu)越性和有效性。化工過(guò)程的模型參數(shù)估計(jì)的應(yīng)用研究，進(jìn)一步表明所提算法的有效性和實(shí)用性。 (2)基于DNA雙鏈互補(bǔ)結(jié)構(gòu)和序列二次規(guī)劃(SQP)算法，提出了一種基于DNA雙鏈結(jié)構(gòu)的混合遺傳算法以解決具有不等式約束的非線性規(guī)劃問(wèn)題。該算法利用DNA雙鏈結(jié)構(gòu)進(jìn)行問(wèn)題的編碼，以克服SGA的海明懸崖問(wèn)題和增加種群多樣性；并采用RNA操作算子和SQP算法以

4、有效保持遺傳算法廣度搜索和深度搜索的平衡，加快算法的收斂速度。通過(guò)算法的收斂速度分析和典型測(cè)試函數(shù)的仿真對(duì)比研究表明了所提算法的有效性和可靠性。對(duì)汽油調(diào)合配方優(yōu)化問(wèn)題的求解以及與PSO算法的對(duì)比研究結(jié)果表明所提算法的有效性和適用性。 (3)基于DNA計(jì)算，提出了一種非支配排序多目標(biāo)遺傳算法以解決多目標(biāo)優(yōu)化問(wèn)題。該算法首先將基于RNA計(jì)算的交叉和變異算子用于多目標(biāo)遺傳算法，以改善GA的全局尋優(yōu)性能；其次通過(guò)Pareto排序和個(gè)體密

5、集距離計(jì)算，將相互矛盾的多目標(biāo)優(yōu)化問(wèn)題統(tǒng)一成單個(gè)目標(biāo)適應(yīng)度函數(shù)優(yōu)化問(wèn)題，以便于用外部種群保留Pareto前沿集合：最后利用種群維護(hù)算法保持Pareto前沿的分布均勻性。算法的收斂性分析和典型多目標(biāo)優(yōu)化問(wèn)題的仿真研究表明所提算法在Pareto前沿逼近度和解的分布均勻性方面都有了較大提高。 (4)如何合理選取RBF網(wǎng)絡(luò)的基函數(shù)中心點(diǎn)及網(wǎng)絡(luò)結(jié)構(gòu)，目前還未給出有效的理論依據(jù)。本文基于過(guò)程輸入輸出數(shù)據(jù)，提取有用的系統(tǒng)信息，建立其RBF神經(jīng)

6、網(wǎng)絡(luò)動(dòng)態(tài)模型，提出了一種基于剪接系統(tǒng)的遺傳算法進(jìn)行RBF網(wǎng)絡(luò)的隱層節(jié)點(diǎn)數(shù)、基函數(shù)中心點(diǎn)的優(yōu)化，從而綜合考慮了網(wǎng)絡(luò)的擬合精度和泛化能力。計(jì)算復(fù)雜性分析以及連續(xù)攪拌反應(yīng)釜(CSTR)仿真對(duì)比結(jié)果表明采用所提算法構(gòu)建的RBF神經(jīng)網(wǎng)絡(luò)具有良好的擬合精度和較強(qiáng)的泛化能力。 (5)RBF網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)本質(zhì)上是一個(gè)多目標(biāo)優(yōu)化問(wèn)題。通過(guò)將RBF網(wǎng)絡(luò)信息融入DNA單鏈結(jié)構(gòu)，引入DNA計(jì)算操作算子，提出了一種用于神經(jīng)網(wǎng)絡(luò)的多目標(biāo)優(yōu)化設(shè)計(jì)遺傳算法，用

7、于實(shí)現(xiàn)包括輸入層在內(nèi)的RBF網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)。該算法以RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)最簡(jiǎn)、擬合精度最高為優(yōu)化指標(biāo)，得到Pareto最優(yōu)解集，并根據(jù)測(cè)試數(shù)據(jù)的誤差絕對(duì)值之和最小準(zhǔn)則，篩選Pareto最優(yōu)解集。將該算法應(yīng)用于連續(xù)攪拌反應(yīng)釜的建模中，得到了優(yōu)于RBF網(wǎng)絡(luò)單目標(biāo)優(yōu)化算法的結(jié)果。 (6)針對(duì)控制系統(tǒng)設(shè)計(jì)問(wèn)題，使用DNA-GA算法進(jìn)行了控制系統(tǒng)的優(yōu)化設(shè)計(jì)。其一針對(duì)一階滯后不穩(wěn)定過(guò)程，提出了一種基于參數(shù)穩(wěn)定空間的多目標(biāo)遺傳算法，進(jìn)行PID控制