T-S模糊系统结论参数的MATLAB仿真研究(2)

    在产生大种群后，对个体进行初步筛选，去掉一些适应度差的个体，剩下的作为初始种群进行遗传操作，这种方法可以使种群在保持多样性的同时，节省计算时间。进化代数的确定，一般是根据问题所要求的精度来确定，精度低，进化的代数就可以少一些，反之则多一些。     适应度函数是衡量个体优劣的指标，为了达到寻优的目标，适应度函数一般是通过目标函数变换而来的，这里对T-S模型的参数进行辨识，采用的目标函数为均方误差：        （1）     其中：t(k)为由辨识的模糊模型计算出的第k个采样时刻的输出值，α(k)为第k 个采样时刻的实际输出值，Q为总的采样次数。     在进行选择操作时，是按照适应度越大，被选择的概率越大，所以，这里选用的适应度函数为：           （2）     其中ε是一个较小的正实数，目的是为了避免除数为零的情况发生^[3]。其主要代码如下： for i=1：1：Size  %以下为初始筛选         cansu=Kpar(i，：);         code=cansu;         rmse=computeitae(code);%计算均方误差;         BsJ=rmse;         BsJi(i)=BsJ;%将均误差赋给BsJi     end         fi=1./BsJi;% 求适应度的值     [Oderfi，Indexfi]=sort(fi)%对适应度值由小到大排列        sortrsa=Kpar(Indexfi(Size)，：);     for s=2：1：selectsize          shuijirsa=Kpar(Indexfi(Size-s+1)，：);         sortrsa=[sortrsa  shuijirsa];          end          sortrsa          Kpar=sortrsa          Size=selectsize     遗传操作一般包括选择，交叉和变异。选择方法采用蒙特卡罗法，按比例的适应度分配。若某个个体i ，其适应度为f _i ， 则其被选择的概率表示为：                （3）     由于在进行遗传操作前，已经对个体进行了初步的筛选，所以为了避免对种群中优良个体的破坏，这里采用单点交叉的方法，随机选择交叉点之后，将两个个体的交叉点后面的基因进行交换。变异采用实值变异的方法，随机选择染色体的某个基因，由于用实数编码的方法，每个基因就是一个要辨识的参数值，所以可以用一个函数实现在参数范围内适当改变该参数值的大小，从而达到保持种群多样性的目的。为了使寻优不过早的收敛到次优解，随着进化代数的增加，需要适当增大变异率，其实现方法只需用一个函数来表示变异率： pm=0.1 + [1：1：G]×0.1/G       （4）     式中：pm表示变异率，G代表进化代数。[1：1：G]表示一个数组，变化的范围为[1，G]，步长为1。为了避免破坏优良个体，变异率不宜取的过大。通过实验得知，在第一代时，可取变异率

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说计算机T-S模糊系统结论参数的MATLAB仿真研究(2)在线全文阅读。