论文部分内容阅读
本文研究了蚁群算法及其对PID参数优化,主要研究内容如下:
1.综述了智能优化算法、蚁群算法的机理,论述了蚁群算法产生的背景、国内外研究现状,指出了该算法的特点、存在的问题及应用领域。详细的阐述并比较了遗传算法、人工神经网络等几种代表性仿生优化算法。
2.通过“双桥实验”分析了蚁群的自组织行为及对该行为的数学建模。详细说明了基本蚂蚁算法(As)的模型、实现及其特性。在此基础上,阐述了ACO的原理,对影响该算法的参数进行了说明并对AC0的特点及其复杂度进行了分析。
3.对蚁群算法中α、β、p、m等参数的设置作了理论上的研究,对算法参数的最优化配置进行了分析,并采用国际上通用的测试问题库TSPLIB中的TSP问题作为测试对象进行了仿真实验,得出了比较适当参数配置方案。
4.对几种常见的蚁群优化算法:最大一最小蚂蚁系统、自适应蚁群系统、带交叉算子的蚁群系统和基于排序的蚂蚁系统进行了比较深入、系统的分析和研究,并对各算法的性能进行了对比分析。通过仿真实验可以看出:改良的蚁群算法采用了更为高效的信息素更新和路径选择机制,使得改进后算法的全局收敛速度得到明显的提高。各算法不同程度的避免了出现停滞现象,具有较高的搜索较好解的能力。
5.给出一种嵌入确定性搜索蚁群算法优化PID参数的方法。综述确定性搜索蚁群算法的收敛过程和求解步骤,并给出其对PID控制器进行参数的优化的具体实现步骤,最后将该优化方案应用于某型烘干机干燥箱温度PID系统。该法较好地克服了传统PID调节器参数寻优的不足,仿真研究表明:新算法的求解质量较高,具有较好的寻路性能,能够较好地实现参数优化;系统单位阶跃响应的超调量和调整时间大幅度减少,动态和稳态性能进一步改善,进而验证了该方案的可行性和有效性。