论文部分内容阅读
基于膜计算的基本思想和进化计算的研究成果,本文研究了基于膜计算的优化方法及其在控制系统优化设计中的应用。通过典型测试函数对所提出的膜计算优化方法的性能进行了测试,并对所设计的控制器进行了仿真实验。本文的主要研究成果如下:(1)在标准膜计算的框架基础上,受DNA分子结构的启发,提出了一种具有DNA双链结构(double stranded DNA)的膜计算优化方法——dsDNA-MC算法。该算法具有双系统的膜结构,对象均为双链编码,在进化规则上使用了膜计算中的改写规则、粘贴规则、交流规则和RNA计算中的转位规则。以8个典型测试函数构成测试环境,进行寻优并与SGA、DNA-MC算法作对比,表明所提出的算法具有寻优精度高、收敛速度快等优点。(2)将提出的dsDNA-MC方法用于PID控制器参数优化整定,以四个单输入单输出对象和一个两输入两输出对象为背景进行了控制器的优化设计并与Z-N法、SGA方法作对比,表明使用dsDNA-MC优化方法得到的PID控制器具有满意的性能。将提出的dsDNA-MC优化方法用于模糊神经元控制器参数整定,以切削过程为背景进行了控制器的优化设计和仿真实验,实验结果表明使用dsDNA-MC优化方法得到的控制器具有满意的性能。(3)提出了一种基于膜计算的多目标优化方法——MCMO(MembraneComputing Based Multio-bjective Optimization)算法。该算法利用膜计算的膜结构把种群分割成一系列子种群,在不同子种群间使用膜计算的交流规则;在保持种群的多样性和精英策略方面吸取了NSGA-Ⅱ算法的研究成果。通过三个测试函数对所提出的算法进行了测试,并与NSGA、VEGA算法作对比,表明MCMO算法得到的最优解更接近真实的Pareto最优边界,而且分布均匀。将MCMO算法用于一个具有时变特性被控对象的PID控制器动态多目标优化设计,取得了满意的控制效果。