摘 要：在這個智能化技術高速發(fā)展的時代，各種各樣的智能控制設備已經(jīng)成為生產(chǎn)生活中不可或缺的必需品，各個行業(yè)對智能控制自動化控制的需求也越來越廣泛，目前國內(nèi)外關于智能控制的研究也越來越多，都神經(jīng)網(wǎng)絡控制，遺傳算法控制，人工智能控制等雜，本文主要是論述自動控制中的遺傳算法現(xiàn)在控制方法和理論中的應用，介紹了遺傳算法控制工程各個方面的應用成果。

關鍵詞：自動控制 遺傳算法 應用

中圖分類號：TP18 文獻標識碼：A 文章編號：1672-3791（2013）06（b）-0074-02

遺傳算法（Genetic Algorithms簡稱GA）是通過編碼串模擬達爾文進化論。遺傳算法通過模擬自然界中生物遺傳的自然選擇和自然淘汰的進化過程來找尋最優(yōu)解。由美國密執(zhí)根（Michigan）大學的J.Holland教授于1975年首先提出。遺傳算法在基于達爾文進化論的基礎上通過數(shù)學模式模擬該擇優(yōu)過程，它通過保持一定規(guī)模的由競爭假設組成多樣化群體，在下一次迭代中，挑選出當前群體中適應度最高的個體來產(chǎn)生下一代，替換掉當前群體中適應度最差的個體。

1 遺傳算法理論與技術

1.1 基本原理

遺傳算法首先需要建立數(shù)學模型，它將被解問題的可能解表示為基因（如常用的二進制編碼串），然后由適應函數(shù)計算出目前階段中適應環(huán)境的個體，通過淘汰不好的基因，把適應度較好的基因保留下來，通過基因間的交叉、基因突變等遺傳算子產(chǎn)生新一代基因。最后根據(jù)被解問題的各種收斂條件，一步步的逼近最優(yōu)解，最后收斂到最適應被解問題的解上，求得被解問題的最優(yōu)解。

1.2 生物遺傳學概念與遺傳算法中概念的對應關系（如表1）

1.3 遺傳算法過程

遺傳算法是基于碼串來工作的，編碼的目的就在于將解空間用碼串來表達，然后通過復制、交叉、變異等遺傳算子來迭代搜索過程，最終收斂于最優(yōu)狀態(tài)。算法過程如下。

（1）系統(tǒng)隨機挑選一定數(shù)目的解做為搜索出發(fā)點，這些解被稱為染色體，這些隨機產(chǎn)生的解組成一個種群，而這些染色體的個數(shù)就構(gòu)成了種群的規(guī)?；虼笮。╬op-size）。

（2）基于特定問題構(gòu)建適應度函數(shù)，用這個函數(shù)計算出的值（稱為適應度）來評價每個染色體的好壞（即對環(huán)境的適應度），并以此作為挑選的依據(jù)。

（3）根據(jù)特定問題構(gòu)建選擇策略，一般按最優(yōu)保存策略方式來實現(xiàn)選擇，從當前種群中根據(jù)適應度的好壞，選擇一定數(shù)量的染色體進行遺傳產(chǎn)生新一代的染色體。

（4）對被選擇的染色體進行交叉操作，變異操作生成了新一代染色體。其中變異操作使得種群中的個體有多樣性，防止變異后的染色體一直在一個局部最優(yōu)的范圍內(nèi)。經(jīng)過這些算子后的染色體群（種群）稱為后代。

（5）最后算法需要判定是否達到了最后，或者到達了預訂的迭達次數(shù)，如果是，整個算法結(jié)束，否則調(diào)到2進入下一輪迭代操作。

2 在自動控制中的應用

遺傳算法經(jīng)過40多年的研究與發(fā)展，逐漸應用到當今社會的各個方面。其應用涉及從工程科學到社會科學的諸多領域。遺傳算法在控制領域應用主要包括：可靠性設計、超大規(guī)模、非線性系統(tǒng)優(yōu)化，控制器的優(yōu)化設計問題，機器自學習等等。遺傳算法應用在自動控制領域主要是如下幾大方面。

控制過程監(jiān)控；在實際的監(jiān)控過程中，某些系統(tǒng)會有很多不確定的因素，而且可能產(chǎn)生大量的隨機數(shù)據(jù)，因此通過建立傳統(tǒng)的控制模型比較困難。也是因為數(shù)據(jù)的隨機性和不確定性因素，造成監(jiān)控系統(tǒng)難以準確控制。遺傳算法進行過程監(jiān)控時，由于不需要精確的控制模型，而是在運行過程中逐步找到最優(yōu)解，反倒能夠做到精確控制。

控制過程故障診斷（提供決策方案）。故障檢測過程中的參數(shù)一般都具有非線性特征，同樣如果利用傳統(tǒng)的控制理論和方法建立控制模型，很難建立準確的控制模型。遺傳算法應用在故障診斷中，可以解決很多非線性系統(tǒng)問題。而且整個控制系統(tǒng)的魯棒性比較急好。

系統(tǒng)參數(shù)辯識（參數(shù)優(yōu)化）；隨著自動控制規(guī)模的不斷加大和時間的不斷積累，需要保存和后期處理的數(shù)據(jù)越來越龐大，這就對自動控制系統(tǒng)提出了更高的要求。大量的參數(shù)構(gòu)成了整個自動控制過程，原來的自動控制系統(tǒng)實時處理數(shù)據(jù)的能力很強，但是后期數(shù)據(jù)的處理能力顯得有些力不從心，遺傳算法在大量數(shù)據(jù)的處理方面擁有較多優(yōu)勢，在參數(shù)優(yōu)化方面也有著其他算法不可比擬的優(yōu)越性，如PID參數(shù)控制等。

控制器的優(yōu)化設計。遺傳算法可用于各種優(yōu)化問題。既包括數(shù)量優(yōu)化問題，也包括組合優(yōu)化問題，特別是在控制器的優(yōu)化設計方面，通過遺傳算法優(yōu)化設計的控制器具有響應快、實時性好、控制平穩(wěn)，精確、較高性價比等特點。

遺傳算法在神經(jīng)網(wǎng)絡中的應用。神經(jīng)網(wǎng)絡用于控制系統(tǒng)時，多采用多層前向神經(jīng)網(wǎng)絡模型。當采用普通算法對神經(jīng)網(wǎng)絡進行訓練時，對時變系統(tǒng)的訓練很難達到較高精度。此外，由于算法屬于梯度算法，容易陷入局部極小。采用遺傳算法訓練的神經(jīng)網(wǎng)絡，不但具有神經(jīng)網(wǎng)絡自身的特點還具備了較強的自我學習能力以及快速收斂能力。

智能控制。智能化控制技術能夠?qū)A周運動或者直線運動進行控制。最新的運動控制器很多都是集成了遺傳算法的控制模塊，在控制器內(nèi)部通過CPU等嵌入式運算器做到精確高速的控制。目前這樣的控制器廣泛應用于工業(yè)機器人、家用電器、機床、汽車制造、大型機械、智能電梯等多種場合。

3 討論與展望

遺傳算法雖然目前在眾多的領域都有廣泛的應用，而且也相人們展示了它的獨特控制特性和廣闊的應用前景；但是遺傳算法也有自身的弱點，還有大量的理論和實際問題值得研究。目前傳統(tǒng)的遺傳算法就有很多各種不足。首先，傳統(tǒng)遺傳算法很容易產(chǎn)生早熟現(xiàn)象以及局部尋優(yōu)能力較差等問題，還有如果種群的規(guī)模較大，適應度函數(shù)復雜的情況下，整個算法的計算過程進展很緩慢，難道達到計算速度的要求?；谶@些問題，學者提出了多種混合算法，它們都是對遺傳算法的發(fā)展?；谶z傳算法的各種控制理論和技術正在不斷的趨于完善，必將對人工智能等帶來深遠的影響。

參考文獻

[1]張紹紅，毛尚旭，寧書年.模擬退火法和遺傳算法聯(lián)合優(yōu)化技術及在反演解釋中的應用[J].煤炭學報，2007（1）.

[2]萬月珍，廖成咤.用遺傳算法對臼動摔制系統(tǒng)數(shù)學模犁尋優(yōu)[J].地殼形變與地震，2008（2）.