DNA遺傳算法及其在燃料電池中的應用研究.pdf

1、遺傳算法具有操作簡單，搜索能力強，自適應能力強等優(yōu)點，是智能優(yōu)化算法的典型代表，但是遺傳算法仍存在著搜索效率低，易早熟收斂等缺點。
　　DNA遺傳算法結合了DNA計算和遺傳算法發(fā)展而來，它采用四進制編碼，并在遺傳算法的基礎上對種群進行遺傳操作，從而更好的模擬了生物體遺傳和進化的本質，提高了算法的性能。本文結合其他算法的優(yōu)點，對DNA遺傳算法進行了改進，并將改進的DNA遺傳算法應用到燃料電池的模型優(yōu)化的問題中。本文主要工作和成果如下

2、:
　　1.在DNA遺傳算法的研究基礎上研究并比較了不同數目的個體間交叉操作對算法的進化速率和收斂速度的影響。根據DNA的編碼方式在多個個體間設計了新型的交叉方式，從而保證了在進化當中種群的多樣性。利用幾個經典的測試函數驗證了所提出的交叉操作的有效性，并比較得出了當交叉?zhèn)€體數目為三時算法得到的結果最優(yōu)。
　　2.為了簡化算法提高算法效率，同時又保持算法的有效性，提出了選擇性交叉變異操作的DNA遺傳算法。該算法依照一定概率只執(zhí)

3、行交叉操作和變異操作中的一種操作，而且交叉操作選擇在多個不同種類的個體間進行，變異操作中的變異概率隨遺傳代數的增加而變化。四個測試函數最值的尋優(yōu)結果驗證了所提算法的有效性。
　　3.受DNA遺傳算法多個體交叉操作的啟發(fā)，提出了改進的多種群進化的DNA遺傳算法。每個子種群根據自身不同的側重點進行獨立的遺傳操作，當種群進化到一定代數時還可進行種群間的信息交換，并采用種群融合策略對種群進行融合再分，從而很好的提高了算法的全局搜索能力和局

4、部搜索能力。測試函數計算的結果表明所提出的多種群DNA遺傳算法的優(yōu)越性。
　　4.準確的燃料電池模型的參數估計受到學者們的廣泛關注。將所提出的選擇性交叉變異操作的DNA遺傳算法及改進的多種群進化的遺傳算法應用到質子交換膜燃料電池(Proton Exchange Membrane Fuel Cell，PEMFC)模型的參數辨識中，在給定的PEMFC的輸出電壓與負載電流間的關系式的基礎上，分析不同驗證策略下本文提出的這兩種算法的辨識性