1、進(jìn)化算法是模仿生物自然進(jìn)化過程的一種隨機(jī)搜索方法，最初具有三大分支:
　　 遺傳算法、進(jìn)化規(guī)劃和進(jìn)化策略。九十年代初美國學(xué)者Koza在遺傳算法的基礎(chǔ)上提出了一種全新的結(jié)構(gòu)描述方法——遺傳規(guī)劃(GP:GeneticProgramming)。它與進(jìn)化算法的主要不同表現(xiàn)在染色體的結(jié)構(gòu)上，用動態(tài)的樹結(jié)構(gòu)來表示染色體。GP算法具有描述問題層次化、編碼長度動態(tài)可變等特點，它被廣泛地應(yīng)用于人工智能、機(jī)器學(xué)習(xí)、符號處理等方面。
　　 基

2、于動覺智能圖式的仿人智能控制理論在解決控制難題方面顯示出的突出優(yōu)勢，為解決復(fù)雜系統(tǒng)問題提供了一個有效的途徑。但基于動覺智能圖式的仿人智能控制器結(jié)構(gòu)設(shè)計還是過多的依賴專家經(jīng)驗來完成，一旦控制問題出現(xiàn)變化時，就需要重新設(shè)計控制器的結(jié)構(gòu)，這給設(shè)計人員帶來了很大的困難。還沒有一種成熟的具有普適意義的方法來進(jìn)行仿人智能控制器結(jié)構(gòu)的自動設(shè)計。而遺傳規(guī)劃算法正是模擬自然界生物進(jìn)化思想發(fā)展起來的一種通用的優(yōu)化方法，因此，本文利用遺傳規(guī)劃算法的思想解決仿

3、人智能控制器結(jié)構(gòu)自動設(shè)計的問題。
　　 倒立擺是基于動覺智能圖式的仿人智能控制的一個典型的應(yīng)用，因此本文以二級倒立擺的擺起倒立過程為試驗平臺，通過仿真實驗的結(jié)果，驗證遺傳規(guī)劃解決上述問題的有效性。
　　 論文的主要研究內(nèi)容：
　　 (1)對遺傳規(guī)劃算法進(jìn)行改進(jìn)。文中介紹了基本遺傳規(guī)劃及其各種改進(jìn)方法，重點描述了本文的改進(jìn)策略，并對本文改進(jìn)的遺傳規(guī)劃算法進(jìn)行了性能測試。
　　 (2) 改進(jìn)的遺傳規(guī)劃算法對二

4、級擺倒立擺擺起倒立的控制器結(jié)構(gòu)進(jìn)行自動設(shè)計?？刂破鹘Y(jié)構(gòu)的好壞直接影響到控制目標(biāo)能否實現(xiàn)或者實現(xiàn)效果的優(yōu)劣，本文給出了詳細(xì)的設(shè)計過程和仿真實驗結(jié)果，并進(jìn)行了對比實驗，實驗結(jié)果表明本文改進(jìn)的遺傳規(guī)劃算法有一定的優(yōu)勢。
　　 (3) 改進(jìn)的遺傳規(guī)劃算法與并行計算相結(jié)合，用遺傳規(guī)劃算法進(jìn)行二級倒立擺擺起倒立控制器的結(jié)構(gòu)自動設(shè)計時，適應(yīng)度的評價相當(dāng)耗時，平均運(yùn)行時間較長，因此，將其與并行計算相結(jié)合。本文詳細(xì)介紹了基于MPI的并行遺傳規(guī)劃算