計(jì)算智能在控制、優(yōu)化和決策中的應(yīng)用研究.pdf

1、該論文的研究目標(biāo)是探索計(jì)算智能在優(yōu)化領(lǐng)域的應(yīng)用,不僅研究傳統(tǒng)的單層優(yōu)化命題,而且研究以minimax優(yōu)化為代表的多層優(yōu)化命題;不僅考慮算法的有效性,而且兼顧算法的穩(wěn)定性.針對(duì)一般的帶有等式約束和不等式約束的非線性優(yōu)化問題,提出了神經(jīng)動(dòng)力學(xué)求解模型,對(duì)多模的非線性優(yōu)化問題改進(jìn)了粒子群算法以獲得更好近似全局最優(yōu)解.隨后,同時(shí)利用神經(jīng)網(wǎng)絡(luò)和進(jìn)化計(jì)算,對(duì)minimax雙層優(yōu)化命題進(jìn)行算法設(shè)計(jì),得到了兩種不同特點(diǎn)的算法.在能夠求解minimax問

2、題的基礎(chǔ)上,探索了相關(guān)的應(yīng)用領(lǐng)域.比如,在不確定系統(tǒng)中,通過minimax算法進(jìn)行后悔度計(jì)算,并把區(qū)間數(shù)優(yōu)化問題轉(zhuǎn)化為等價(jià)的多目標(biāo)優(yōu)化問題以求解.另一個(gè)應(yīng)用實(shí)例是魯棒PID的設(shè)計(jì),通過minimax計(jì)算整定控制器參數(shù),使最惡劣工況下系統(tǒng)性仍然能夠保持在一個(gè)令人滿意的水平上.該文的主要研究工作與貢獻(xiàn)如下:1.對(duì)計(jì)算智能在優(yōu)化方面的應(yīng)用的歷史和現(xiàn)狀進(jìn)行了詳盡的分析和綜述,并提出將優(yōu)化計(jì)算拓展到不確定系統(tǒng)中的思想.特別詳述了參數(shù)不確定系統(tǒng)的一

3、個(gè)重要分支,即用區(qū)間數(shù)描述的參數(shù)不確定系統(tǒng)的優(yōu)化命題的研究現(xiàn)狀.2.神經(jīng)網(wǎng)絡(luò)動(dòng)力學(xué)原理用于解決單目標(biāo)的優(yōu)化命題.帶有等式約束和不等式約束的一般非線性優(yōu)化問題,是單層優(yōu)化的難點(diǎn).使用增廣Lagrange乘子法求解時(shí),雖然可以避免罰參數(shù)無限增大的弊病,但同時(shí)也提出了一個(gè)難以求解的子命題.該文中運(yùn)用Lyapunov函數(shù)和Lassalle不變性原理,采用微分動(dòng)力學(xué)系統(tǒng)為增廣Lagrange乘子法的子命題設(shè)計(jì)了一個(gè)神經(jīng)網(wǎng)絡(luò)模型,從而使得目標(biāo)函數(shù)和

4、約束條件一階可微的一般非線性優(yōu)化問題能夠順利求解.3.單層優(yōu)化的一個(gè)難題是全局最優(yōu)解或者近似全局最優(yōu)解的獲得.進(jìn)化算法能夠很好的避免陷入局部最優(yōu)解從而備受青睞,粒子群算法就是近年來新發(fā)展起來的一種仿生算法.但是進(jìn)化算法中的一些參數(shù)設(shè)置通常是通過比較實(shí)驗(yàn)獲得的,缺乏理論上的依據(jù).該文分析了粒子群中獨(dú)立粒子的運(yùn)動(dòng)軌跡,以及整個(gè)粒子群系統(tǒng)的穩(wěn)定性,在此基礎(chǔ)之上提出新的參數(shù)設(shè)置方法.新方法不僅符合理論上的解釋,而且通過標(biāo)準(zhǔn)測(cè)試函數(shù)庫的檢驗(yàn)表明新

5、算法是有效的.文中涉及的穩(wěn)定性研究在粒子群算法研究中是不多見的.4.不確定系統(tǒng)的建模求解,離不開minimax問題的最終解決.該文為minimax優(yōu)化這個(gè)幾乎是嶄新的優(yōu)化命題設(shè)計(jì)了多種求解算法:首先是神經(jīng)網(wǎng)絡(luò)算法.神經(jīng)網(wǎng)絡(luò)的計(jì)算速度快,利于電路實(shí)現(xiàn),同時(shí)算法的穩(wěn)定性也得到了證明.其次是基于進(jìn)化計(jì)算的算法.該算法綜合了遺傳算法和單純形法的優(yōu)點(diǎn),主要應(yīng)用于求解目標(biāo)函數(shù)不可微的minimax全局優(yōu)化.5.對(duì)不確定系統(tǒng)中的一類問題,即用區(qū)間數(shù)作

6、為參數(shù)進(jìn)行建模求解的區(qū)間數(shù)規(guī)劃問題,該文受顧基發(fā)研究員的"物理-事理-人理(WSR)"[26]的系統(tǒng)科學(xué)思想的啟發(fā),創(chuàng)造性的提出了一個(gè)結(jié)合目標(biāo)函數(shù)期望,不確定度和后悔度的三目標(biāo)魯棒優(yōu)化命題,該優(yōu)化命題可作為原不確定系統(tǒng)優(yōu)化命題的替代命題.此外對(duì)含區(qū)間數(shù)參數(shù)的不等式約束的處理也提出了新的轉(zhuǎn)化準(zhǔn)則.6.由于參數(shù)不確定性和滯后特性的存在,整定好的控制器在環(huán)境產(chǎn)生波動(dòng)的情況下有可能失效.針對(duì)這種工業(yè)過程,該論文基于LQR性能指標(biāo)(該指標(biāo)和衰減系