资源简介
GA遗传算法优化PID控制参数,包含输出曲线,误差曲线,迭代次数,适合控制类新手学习。
代码片段和文件信息
%GA Program tooptimize PID Parameters
%基于GA算法的PID参数优化
clc % 清屏
clear all; % 删除workplace变量
close all; % 关掉显示图形窗口
size=30;
codel=3;
minx(1)=zeros(1);
maxx(1)=50*ones(1);
minx(2)=zeros(1);
maxx(2)=50*ones(1);
minx(3)=zeros(1);
maxx(3)=50*ones(1);
kpid(:1)=minx(1)+(maxx(1)-minx(1))*rand(size1);
kpid(:2)=minx(2)+(maxx(2)-minx(2))*rand(size1);
kpid(:3)=minx(3)+(maxx(3)-minx(3))*rand(size1);
G=100;
BsJ=0;
for kg=1:1:G
time(kg)=kg;
for i=1:1:size
kpidi=kpid(i:);
BsJ=pid_GA(kpidi);
BsJi(i)=BsJ;
end
[OderJiIndexJi]=sort(BsJi);
BestJ(kg)=OderJi(1);
BJ=BestJ(kg);
Ji=BsJi+1e-10;
fi=1./Ji;
[OderfiIndexfi]=sort(fi);
Bestfi=Oderfi(size);
BestS=kpid(Indexfi(size):);
% select and reproduct operation
fi_sum=sum(fi);
fi_size=(Oderfi/fi_sum)*size;
fi_s=floor(fi_size);
r=size-sum(fi_s);
Rest=fi_size-fi_s;
[RestvalueIndex]=sort(Rest);
for i=size:-1:size-r+1
fi_s(Index(i))=fi_s(Index(i))+1;
end
k=1;
for i=size:-1:1
for j=1:1:fi_s(i)
TempE(k:)=kpid(Indexfi(i):);
k=k+1;
end
end
% crossover operation
Pc=0.90;
for i=1:2:(size-1)
temp=rand;
if Pc>temp
alfa=rand;
TempE(i:)=alfa*kpid(i+1:)+(1-alfa)*kpid(i:);
TempE(i+1:)=alfa*kpid(i:)+(1-alfa)*kpid(i+1:);
end
end
TempE(size:)=BestS;
kpid=TempE;
%Mution operation
Pm=0.1-[1:1:size]*(0.01)/size;
Pm_rand=rand(sizecodel);
Mean=(maxx+minx)/2;
Dif=(maxx-minx);
for i=1:1:size
for j=1:1:codel
if Pm(i)>Pm_rand(ij)
TempE(ij)=Mean(j)+Dif(j)*(rand-0.5);
end
end
end
%guarantee TempE(size:)belong tu the best individual
TempE(size:)=BestS;
kpid=TempE;
end
Bestfi;
BestS;
Best_J=BestJ(G);
figure(1);
plot(timeBestJ‘LineWidth‘3);
title(‘最优个体适应值‘‘fontsize‘10);
xlabel(‘迭代次数‘);ylabel(‘适应值‘);
grid on
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 1929 2014-05-04 12:50 GA\GA.m
文件 1134 2014-05-04 12:50 GA\pid_GA.m
文件 531 2014-05-04 14:52 GA\shuchuquxianGA.m
文件 16565 2014-05-04 14:56 GA\ysw_PID1.slx
目录 0 2014-06-22 22:04 GA
----------- --------- ---------- ----- ----
20159 5
- 上一篇:Linux运维视频零基础入门到精通.txt
- 下一篇:turboc 写的贪吃蛇代码
评论
共有 条评论