摘 要：在當(dāng)今社會科學(xué)技術(shù)不斷發(fā)展的今天，辦公自動化，生產(chǎn)智能化已經(jīng)成為社會發(fā)展，工作生產(chǎn)日常生活中重要組成部分。從產(chǎn)品研發(fā)到生產(chǎn)車間對于自動控制的要求越來越高，而與此同時自動控制要解決處理的問題越來越復(fù)雜，程序量也隨之加大。在自動控制領(lǐng)域面臨著嚴(yán)重考驗的情況下，遺傳算法為其提供了最優(yōu)化的方法。

關(guān)鍵詞：遺傳算法 自動控制 優(yōu)化設(shè)計

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2013）02（a）-0020-01

遺傳算法是近些年來發(fā)展迅速的一門新興學(xué)科，其根本原理是從達(dá)爾文的進(jìn)化輪中得以衍生，是在微型計算機(jī)上進(jìn)行生物自然進(jìn)化機(jī)制的模擬，也是人工智能的一大分支。其根本原則遵循“優(yōu)勝略汰，適者生存”的良性循環(huán)體系。再此計算機(jī)制下，很多傳統(tǒng)數(shù)學(xué)無法解決的問題或無法精確使結(jié)果失效的問題以及最優(yōu)化求解等問題，該算法能夠有效地進(jìn)行解決。在遺傳算法廣泛應(yīng)用的同時，其在實際運行中產(chǎn)生的巨大價值與無限潛力受到了業(yè)界認(rèn)識的廣泛關(guān)注與研究。

1 遺傳算法（GA）

遺傳算法指的是生物的遺傳基因和其本身所具有的進(jìn)化機(jī)制為根本的隨機(jī)搜索算法。而遺傳算法的形成與發(fā)展主要經(jīng)歷了以下幾個階段：初期，20世紀(jì)中末期是遺傳算法的起步階段，而在末期該算法已經(jīng)成為一種高效率，低失誤的的魯棒性強(qiáng)的優(yōu)化先進(jìn)技術(shù)。魯棒性（RobustNess）指的是在眾多環(huán)境迥異卻可以通過概率與功能之間有效協(xié)調(diào)與平衡來尋求生存的能力。而魯棒性的最有發(fā)展空間是在生物系統(tǒng)中，人工系統(tǒng)很難達(dá)到該狀態(tài)。魯棒算法的的宏觀定義為仿生算法，也就是說他在模仿生命存在智能發(fā)展的進(jìn)化過程，而自然界的規(guī)律“優(yōu)勝劣汰，適者生存”亦被其遵循。遺傳算法是由在樣本中隨機(jī)抽取個體組成的集體學(xué)習(xí)模式。其中的單獨個體表示定向問題中空間搜索的一點，遺傳算法則從初始全體進(jìn)行探究，通過進(jìn)行交叉，變異和隨機(jī)選擇來進(jìn)行操作。使該群體進(jìn)化到整個搜索空間中越來越好的結(jié)果域。選擇使群體中個性較強(qiáng)的得以保留，而交叉則是教父輩的優(yōu)良信息有效的結(jié)合在一起傳授到子代群體，而變異正是群體在演變過程中的新物種的誕生。

遺傳算法雖然是一種基于生物界的一種算法，但是當(dāng)代，人們也將其廣泛的運用到各行各業(yè)。正是因為遺傳算法吸收了自然界生物系統(tǒng)的進(jìn)化原理，從而能夠在較為復(fù)雜的空間中進(jìn)行搜索。解決了許多傳統(tǒng)算法都難以解決的優(yōu)化問題。例如，遺傳算法將生物進(jìn)化原理復(fù)制到待優(yōu)化參數(shù)的形成編碼中，按照其需要值及其遺傳操作進(jìn)行對每個個體的篩選。被篩選出的個體又組成新的群體。而新的群體不僅保留了上一代的信息，并且得到了優(yōu)化的個體。如此循環(huán)往復(fù)，群體的適應(yīng)值不斷提高，直到滿足實驗需求，得到最優(yōu)解。

2 遺傳算法特點

遺傳算法能夠在復(fù)雜的空間進(jìn)行有效地全局優(yōu)化，并且具有較強(qiáng)的魯棒性，那么，與傳統(tǒng)算法相比較，遺傳算法有哪些優(yōu)勢呢？首先，從參數(shù)角度來說，遺傳算法是對賦予參數(shù)本身的編碼進(jìn)行的操作與篩選，而非參數(shù)的本身。解除了傳統(tǒng)算法的局限性。而對一個編程群體來進(jìn)行操作，所得出數(shù)據(jù)的信息量將更加龐大，具有最優(yōu)的效果。然后，遺傳算法的開始不僅是從一個點進(jìn)行操作，而是很多個點共同進(jìn)行操作的，解除了傳統(tǒng)算法局限于一點的局限性。有效地預(yù)防了在搜索過程中的局部最優(yōu)解的收斂。其次，遺傳算法針對帶求解空間進(jìn)行的是高效性啟發(fā)式的搜索模式，而非傳統(tǒng)算法中的盲目窮舉和隨機(jī)搜索。最后，遺傳算法針對于傳統(tǒng)算法來說降低了對數(shù)學(xué)的要求，還可以通過并行計算的方式，來進(jìn)行大規(guī)模的并行計算，從而大大提高了計算速度與計算時間。

3 遺傳算法在自動控制領(lǐng)域的應(yīng)用

根據(jù)其特點遺傳算法在自動控制領(lǐng)域的應(yīng)用又可以大致的分為兩類：第一類是離線設(shè)計分析；第二類是在線自動適應(yīng)調(diào)節(jié)。在離線設(shè)計分析中，我們又可將其細(xì)為直接設(shè)計法和間接設(shè)計法。在直接設(shè)計法中，遺傳算法就被用作為優(yōu)化引擎和優(yōu)化搜索。而在間接設(shè)計法中，遺傳算法則起到為各個配置設(shè)計提供優(yōu)化參數(shù)如加權(quán)函數(shù)矩陣，而遺傳計算函數(shù)的在線應(yīng)用也被分為兩種情況：一種是遺傳算法用于自適應(yīng)控制器的調(diào)整；另一種是遺傳算法的直接優(yōu)化控制器的參數(shù)，也可用傳統(tǒng)的辨識方法估計系統(tǒng)的狀態(tài)。

3.1 電力系統(tǒng)中遺傳算法的應(yīng)用

對于微型水電站來說，其穩(wěn)速裝置通常采用電子負(fù)荷調(diào)節(jié)器。該結(jié)構(gòu)可以轉(zhuǎn)化水輪機(jī)的結(jié)構(gòu)，省去機(jī)械調(diào)速器的使用，便于進(jìn)行維護(hù)，大大地降低了成本，而電子負(fù)荷調(diào)節(jié)器的工作原理就是調(diào)控發(fā)電機(jī)的輸出側(cè)的平衡負(fù)載來實現(xiàn)輸入和輸出的力矩平衡關(guān)系，來進(jìn)行轉(zhuǎn)速穩(wěn)定的控制。并且其工作環(huán)境只在實際負(fù)載小于發(fā)電機(jī)出力的情況下進(jìn)行有效運轉(zhuǎn)。而以前的電子負(fù)荷調(diào)節(jié)器采用的是單純的PID控制，但是該控制僅僅滿足其基本的控制要求。但是其問題也是顯而易見的，在開關(guān)機(jī)和機(jī)組負(fù)荷較大的擾動時，機(jī)組轉(zhuǎn)速較大，頻率波動范圍較大，在此過程中會嚴(yán)重影響機(jī)組的壽命，同時該現(xiàn)象會導(dǎo)致電壓不穩(wěn)，會影響用電安全和電氣機(jī)械的使用壽命。而遺傳算法則是對該控制的性能進(jìn)行了全方位的優(yōu)化。遺傳算法中只需要提供目標(biāo)函數(shù)，及其包含的取值信息。因此，該算法適用于大規(guī)模的不斷連續(xù)波的多峰函數(shù)的優(yōu)化和無解析表達(dá)式的目標(biāo)函數(shù)優(yōu)化，其通用性較強(qiáng)。電力系統(tǒng)中的各個元件的工作特性是比較復(fù)雜的，所以采用電子負(fù)荷調(diào)節(jié)器PID控制效果往往不盡人意，無法達(dá)到理想的控制效果。而遺傳算法的引進(jìn)，使其對參數(shù)進(jìn)行編碼，改進(jìn)的遺傳操作就可以盡量避免被控制變量出現(xiàn)超負(fù)荷，使其效果達(dá)到更為理想。

3.2 模糊控制中遺傳算法的應(yīng)用

模糊控制指的是模擬人的近似推理和決策過程的一種實用的控制方法。但是模糊控制是具有依賴性的控制，缺乏自學(xué)習(xí)和自控能力。而與遺傳算法的結(jié)合，使其能夠根據(jù)實際情況做出相應(yīng)的變動。而基于遺傳算法尋優(yōu)的模糊控制器主要將遺傳算法技術(shù)，神經(jīng)元網(wǎng)絡(luò)，模糊控制技術(shù)相結(jié)合。從而達(dá)到模糊控制器在線自尋優(yōu)。

4 結(jié)語

在科技高速發(fā)展的時代，對高科技的需求越發(fā)廣泛。在人類不斷進(jìn)行科學(xué)探究以提高生活水平的同時智能化控制技術(shù)已逐漸成為自動化控制領(lǐng)域中的重要組成部分之一。而遺傳算法則是智能化控制技術(shù)的最為主要的優(yōu)化形式，能夠為自動化的良好實施提供一個優(yōu)良的應(yīng)用框架，在問題的處理中達(dá)到最優(yōu)化的效果并且節(jié)省資源成本消耗。在實踐過程中，遺傳算法在自動控制領(lǐng)域中還有很大的發(fā)揮空間和完善價值。在不斷地實施，進(jìn)化，完善的基礎(chǔ)上使遺傳算法在自動控制領(lǐng)域發(fā)揮更大的功效。

參考文獻(xiàn)

[1]張紹紅，王尚旭，寧書年.模擬退火法和遺傳算法聯(lián)合優(yōu)化技術(shù)及在反演解釋中的應(yīng)用[J].煤炭學(xué)報，2004（1）.

[2]萬月珍，廖成旺.用遺傳算法對自動控制系統(tǒng)數(shù)學(xué)模型尋優(yōu)[J].地殼形變與地震，2001（2）.