请选择 进入手机版 | 继续访问电脑版

Hello Mat

 找回密码
 立即注册
查看: 7416|回复: 1

4-GA_PID--遗传算法的PID参数整定

[复制链接]

1278

主题

1504

帖子

90

金钱

管理员

Rank: 9Rank: 9Rank: 9

积分
22549
发表于 2019-8-7 22:12:54 | 显示全部楼层 |阅读模式
4-GA_PID--遗传算法的PID参数整定
百度网盘链接:https://pan.baidu.com/s/1u67JWE1kYnUrbnJSlSdMmw 提取码:ex1k
具体链接在halcom.cn论坛,联系人QQ:3283892722
该论坛是一个学习交流平台,我会逐一的和大家分享学习。
欢迎大家录制视频,并提交给我,我来设置视频,你可在论坛进行打赏分享。
视频专用播放器:http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1
程序如下:
  1. %% 基于遗传算法GA的PID参数优化
  2. clear all;  % 删除workplace变量
  3. close all;  % 关掉显示图形窗口
  4. warning off % 消除警告
  5. format short% 数据类型
  6. addpath(genpath('./PID_funtion'))
  7. tic;   % 计时开始
  8. %% 适应度函数,也就是我们的目标函数
  9. %% 适应度函数
  10. choosed = 4;
  11. if choosed==1
  12.     fun = @(x)PID_Fun_1(x);
  13. elseif(choosed==2)
  14.     fun = @(x)PID_Fun_2(x);
  15. elseif(choosed==3)
  16.     fun = @(x)PID_Fun_3(x);
  17. elseif(choosed==4)
  18.     fun = @(x)PID_Fun_4(x);
  19. end
  20. %% 遗传算法GA的参数初始化
  21. maxgen = 15;        % 最大迭代次数
  22. sizepop = 10;       % 种群规模
  23. N_PAR = 3;          % 未知数个数
  24. pcross = [0.8];     % 交叉概率选择,0和1之间
  25. pmutation = [0.2];  % 变异概率选择,0和1之间
  26. lenchrom = N_PAR;       % 染色体个数 = 未知数个数
  27. % popmax = 30;        % 待寻优解最大取值初始化
  28. % popmin = 0;         % 待寻优解最小取值初始化
  29. % bound=[popmin*ones(N_PAR,1), popmax*ones(N_PAR,1)]; % 数据取值范围
  30. Ub = [15 10 5]; % 上限
  31. Lb = [0.5 0 0];  % 下限
  32. bound = [Lb; Ub]';
  33. popmin = [0.5 0 0];
  34. popmax = [15 10 5];
  35. % 变量初始化
  36. individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]);  % 将种群信息定义为一个结构体
  37. bestfitness = [];        % 每一代种群的最佳适应度
  38. bestchrom = [];          % 适应度最好的染色体
  39. %% 产生初始染色体个体和速度
  40. for i=1:sizepop
  41.     % 随机产生一个种群
  42.     pop(i,:) = rand(1,N_PAR) .* ( popmax-popmin ) + popmin;  % 初始种群个体
  43.     individuals.chrom(i,:) = pop(i,:);
  44.     % 计算适应度
  45.     individuals.fitness(i) = fun(pop(i,:));  % 染色体的适应度
  46. end

  47. % 找最好的染色体
  48. [bestfitness,bestindex]=min(individuals.fitness); % 求极小值
  49. bestchrom = individuals.chrom(bestindex,:);    % 最好的染色体
  50. trace = [bestfitness];                         % 记录每一代进化中最好的适应度

  51. % PID-Kp、Ki、Kd三参数初始化
  52. Kp(1,1) = bestchrom(1);
  53. Ki(1,1) = bestchrom(2);
  54. Kd(1,1) = bestchrom(3);

  55. %% 迭代寻优
  56. % 进化开始
  57. for i=1:maxgen
  58.     disp(['迭代次数:  ',num2str(i)])
  59.         % 选择
  60.     individuals = Select(individuals,sizepop);
  61.     % 交叉
  62.     individuals.chrom = Cross(pcross,lenchrom,individuals.chrom,sizepop,bound);
  63.     % 变异
  64.     individuals.chrom = Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound);
  65.    
  66.     % 计算适应度
  67.     for j=1:sizepop
  68.         x=individuals.chrom(j,:);          % 解码
  69.         individuals.fitness(j) = fun(x);   % 染色体的适应度
  70.     end
  71.    
  72.     % 找到最小和最大适应度的染色体及它们在种群中的位置
  73.     [newbestfitness,newbestindex] = min(individuals.fitness);
  74.     [worestfitness,worestindex] = max(individuals.fitness);
  75.    
  76.     % 代替上一次进化中最好的染色体
  77.     if  newbestfitness < bestfitness
  78.         bestfitness = newbestfitness;
  79.         bestchrom = individuals.chrom(newbestindex,:);
  80.     end
  81.    
  82.     individuals.chrom(worestindex,:) = bestchrom;
  83.     individuals.fitness(worestindex) = bestfitness;
  84.    
  85.     trace = [trace;bestfitness];    %记录每一代进化中最好的适应度
  86.     Kp = [Kp,bestchrom(1)]; % Kp参数值
  87.     Ki = [Ki,bestchrom(2)]; % Ki参数值
  88.     Kd = [Kd,bestchrom(3)]; % Kd参数值
  89. end

  90. %% 结果分析
  91. figure('color',[1,1,1]),
  92. plot(trace,'Linewidth',2)
  93. title(['适应度曲线  ' '终止代数=' num2str(maxgen)]);
  94. grid on
  95. xlabel('进化代数');ylabel('适应度');

  96. figure('color',[1,1,1]),
  97. plot(Kp,'r','Linewidth',2); hold on;
  98. plot(Ki,'g','Linewidth',2);
  99. plot(Kd,'b','Linewidth',2);
  100. title(['适应度曲线  ' '终止代数=' num2str(maxgen)]);
  101. grid on;legend('Kp参数值变化图','Ki参数值变化图','Kd参数值变化图')
  102. xlabel('进化代数');ylabel('适应度');

  103. %% 结果输出
  104. fitnessbest = trace(end);         % 返回最优函数目标值
  105. time = toc;                       % 返回CPU计算时间
  106. fprintf('\n')
  107. disp(['最优个体值:  ',num2str(bestchrom)])
  108. disp(['函数最优极值:  ',num2str(fitnessbest)])
  109. fprintf('\n')

  110. %% 响应曲线
  111. % PID响应
  112. zbest = bestchrom;
  113. if choosed==1
  114.     [rint, yout]=PID_Fun_1_response(zbest);
  115. elseif(choosed==2)
  116.     [rint, yout]=PID_Fun_2_response(zbest);
  117. elseif(choosed==3)
  118.     [rint, yout]=PID_Fun_3_response(zbest);
  119. elseif(choosed==4)
  120.     [rint, yout]=PID_Fun_4_response(zbest);
  121. end
  122. figure('color',[1,1,1])
  123. plot(rint,'b-','linewidth',2);hold on;
  124. plot(yout,'r.-','linewidth',2);
  125. axis tight;grid on;
  126. hold off;
  127. legend('输入信号','阶跃响应曲线')
  128. xlabel('time(s)');
  129. ylabel('Amp');

  130. rmpath(genpath('./PID_funtion'))
复制代码
选择算子:
  1. function ret=Select(individuals,sizepop)
  2. % 选择操作
  3. % 输入:
  4. %       individuals   种群信息
  5. %       sizepop       种群规模
  6. % 输出:
  7. %             ret     选择后的新种群

  8. %求适应度值倒数   
  9. fitness1=1./individuals.fitness; %individuals.fitness为个体适应度值

  10. %个体选择概率
  11. sumfitness=sum(fitness1);
  12. sumf=fitness1./sumfitness;

  13. %采用轮盘赌法选择新个体
  14. index=[];
  15. for i=1:sizepop   %sizepop为种群数
  16.     pick=rand;
  17.     while pick==0   
  18.         pick=rand;        
  19.     end
  20.     for i=1:sizepop   
  21.         pick=pick-sumf(i);        
  22.         if pick<0        
  23.             index=[index i];            
  24.             break;  
  25.         end
  26.     end
  27. end

  28. %新种群
  29. individuals.chrom=individuals.chrom(index,:);   %individuals.chrom为种群中个体
  30. individuals.fitness=individuals.fitness(index);
  31. ret=individuals;
复制代码
变异算子:
  1. function ret=Mutation(pmutation,lenchrom,chrom,sizepop,num,maxgen,bound)
  2. % 变异操作
  3. % 输入:
  4. %       pcorss          变异概率
  5. %       lenchrom        染色体长度
  6. %       chrom           染色体群
  7. %       sizepop         种群规模
  8. %       opts            变异方法的选择
  9. %       pop             当前种群的进化代数和最大的进化代数信息
  10. %       bound           每个个体的上届和下届
  11. %       maxgen          最大迭代次数
  12. %       num             当前迭代次数
  13. % 输出:
  14. %       ret             变异后的染色体

  15. for i=1:sizepop   %每一轮for循环中,可能会进行一次变异操作,染色体是随机选择的,变异位置也是随机选择的,
  16.     %但该轮for循环中是否进行变异操作则由变异概率决定(continue控制)
  17.     % 随机选择一个染色体进行变异
  18.     pick=rand;
  19.     while pick==0
  20.         pick=rand;
  21.     end
  22.     index=ceil(pick*sizepop);
  23.     % 变异概率决定该轮循环是否进行变异
  24.     pick=rand;
  25.     if pick>pmutation
  26.         continue;
  27.     end
  28.     flag=0;
  29.     while flag==0
  30.         % 变异位置
  31.         pick=rand;
  32.         while pick==0      
  33.             pick=rand;
  34.         end
  35.         pos=ceil(pick*sum(lenchrom));  %随机选择了染色体变异的位置,即选择了第pos个变量进行变异
  36.    
  37.         pick=rand; %变异开始     
  38.         fg=(rand*(1-num/maxgen))^2;
  39.         if pick>0.5
  40.             chrom(i,pos)=chrom(i,pos)+(bound(pos,2)-chrom(i,pos))*fg;
  41.         else
  42.             chrom(i,pos)=chrom(i,pos)-(chrom(i,pos)-bound(pos,1))*fg;
  43.         end   %变异结束
  44.         flag=test(lenchrom,bound,chrom(i,:));     %检验染色体的可行性
  45.     end
  46. end
  47. ret=chrom;
复制代码
交叉算子:
  1. function ret=Cross(pcross,lenchrom,chrom,sizepop,bound)
  2. % 交叉操作
  3. % 输入:
  4. %       pcorss        交叉概率
  5. %       lenchrom      染色体的长度
  6. %       chrom         染色体群
  7. %       sizepop       种群规模
  8. % 输出:
  9. %       ret           交叉后的染色体
  10. for i=1:sizepop  %每一轮for循环中,可能会进行一次交叉操作,染色体是随机选择的,交叉位置也是随机选择的,%但该轮for循环中是否进行交叉操作则由交叉概率决定(continue控制)
  11.      % 随机选择两个染色体进行交叉
  12.      pick=rand(1,2);
  13.      while prod(pick)==0
  14.          pick=rand(1,2);
  15.      end
  16.      index=ceil(pick.*sizepop);
  17.      % 交叉概率决定是否进行交叉
  18.      pick=rand;
  19.      while pick==0
  20.          pick=rand;
  21.      end
  22.      if pick>pcross
  23.          continue;
  24.      end
  25.      flag=0;
  26.      while flag==0
  27.          % 随机选择交叉位
  28.          pick=rand;
  29.          while pick==0
  30.              pick=rand;
  31.          end
  32.          pos=ceil(pick.*sum(lenchrom)); % 随机选择进行交叉的位置,即选择第几个变量进行交叉,注意:两个染色体交叉的位置相同
  33.          pick=rand;                                    % 交叉开始
  34.          v1=chrom(index(1),pos);
  35.          v2=chrom(index(2),pos);
  36.          chrom(index(1),pos)=pick*v2+(1-pick)*v1;
  37.          chrom(index(2),pos)=pick*v1+(1-pick)*v2;       % 交叉结束
  38.          flag1=test(lenchrom,bound,chrom(index(1),:));  % 检验染色体1的可行性
  39.          flag2=test(lenchrom,bound,chrom(index(2),:));  % 检验染色体2的可行性
  40.          if   flag1*flag2==0
  41.              flag=0;
  42.          else flag=1;
  43.          end    %如果两个染色体不是都可行,则重新交叉
  44.      end
  45. end
  46. ret=chrom;
复制代码










算法QQ  3283892722
群智能算法链接http://halcom.cn/forum.php?mod=forumdisplay&fid=73
回复

使用道具 举报

0

主题

14

帖子

1

金钱

新手上路

Rank: 1

积分
12
发表于 2020-7-1 10:11:18 | 显示全部楼层
可惜阅读权限还没到
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Python|Opencv|MATLAB|Halcom.cn ( 蜀ICP备16027072号 )

GMT+8, 2024-3-28 17:55 , Processed in 0.200998 second(s), 21 queries .

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表