引入加速协同算子的多目标协同进化算法及其在倒立摆控制中的应用

摘要

协同进算法是在遗传算法的基础上，为了解决遗传算法的不足而发展起来的新型仿生智能算法，与遗传算法相比它具有多个种群，它本身具有种群多样性的特点，有利于搜索到全局最优解。目前协同进化算法可以分两大类，合作型协同进化算法、竞争型协同进化算法。也有学者根据生物间的关系来进行分类，分成多种类型，不过都可以将其归类到合作型、竞争型以及两者的结合型之中。协同进化算法发展迅速，突破了遗传算法的局限，各个种群可以采取不同的仿生智能算法，取各种智能算法之长为我所用。协同进化算的应用领域广阔，凡是遗传算法适用的领域，协同进化算法都能得到应用。　　 多目标优化是近几十年才发展起来的，起步较晚，但发展迅速，已成为当前学术界研究的一个热点，也是一个难点。从起初的根据权值将多目标问题转化成单目标进行优化，到采用非支配排序和小生境技术来解决多目标优化问题，再到采用精英保留策略，再到目前的多样化发展趋势，多目标优化已经历了几代的发展。采用协同进化算法解决多目标优化问题也是当前多目标优化领域研究的一个方面。　　 倒立摆系统顾名思义，是一个支点在下重心在上的摆系统。目前倒立摆系统有直线倒立摆系统，倾斜倒立摆系统和环形倒立摆系统。根据竖直面上摆杆的多少可分为一级倒立摆系统和多级倒立摆系统。倒立摆系统是一个欠驱动非线性绝对不稳定复杂难控系统，因为它结构的简单性和控制的复杂性，使它成为了检验理论正确性和有效性的理想平台。它具有多个控制目标，这些控制目标又有多个控制变量决定，然而并没有现成的公式能够算出这些控制变量的最优值。那么如何找到这些最优值，便成了解决问题的关键。　　 本文就这一问题进行研究，主要解决环形二级倒立摆的多目标优化问题，搜索最优控制参数和结构参数。首先建立环形二级倒立摆的仿真模型，其次对多目标优化算法进行研究，最后将多目标优化算法用于环形二级倒立摆的多目标优化。

目录

文摘

英文文摘

1 绪论

2 环形二级倒立摆的动力学模型

3 多目标优化算法的设计与改进

4 对环形二级倒立摆控制的多目标优化

5 结束语

参考文献