（定稿）基于遗传算法整定的PID控制-毕业设计学位论文范文模板参考资料

年，发表了他的专著遗传程序设计基于自然选择法则的计算机程序设计。

年，他又出版了遗传程序设计第二册可重用程序的自动发现深化了遗传程序设计的研究，使程序设计自动化展现了新局面。

目前，关于遗传算法研究的热潮仍在持续，越来越多的从事不同领域的研究人员已经或正在置身于有关遗传算法的研究或应用之中。

近些年，无论是遗传算法的理论研究还是它的应用研究都成了十分热门的课题。

尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。

此外些新的理论和方法在应用研究中亦得到了迅速的发展，这些无疑均给遗传算法增添了新的活力。

遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新更工程化的应用方面。

目前，遗传算法被广泛应用于生产调度图象处理函数优化机器人学习自动控制等领域。

课题研究背景和意义在生产过程自动控制的发展历程中，控制是历史最久生命力最强的基本控制方式。

它简单实用，易于实现，适用范围广，鲁棒性好，在现今的工业过程中获得了广泛的应用。

但参数优化直是困扰人们的问题，尽管现在已经有许多方法用于参数整定，因为这些方法或多或少都存在着问题，令控制系统达不到理想的控制效果。

然而，自然界中的生物却在这方面表现出了其优异的能力，它们能够以优胜劣汰适者生存的自然进化规则生存和繁衍，并逐步产生出对其生存环境适应性很高的优良物种。

遗传算法正是借鉴生成正比。

其缺点是由于比例选择算子是随机操作，所以选择误差比较大，适应度较高的个体也可能选择不上。

最优保存策略最优保存策略是当前群体中适应度最高的个体不参与交叉运算和变异运算，而是用它来替换掉本代群体中经过交叉变异等遗传操作后所产生的适应度最低的个体。

其缺点是全局搜索能力不强，容易陷入局部极值中。

排序选择方法排序选择方法的主要着眼点是个体适应度之间的大小关系，对个体适应度是否取正值或负值，以及个体适应度之间的数值差异程度并无特别要求。

排序选择方法的主要思想是对群体中的所有个体按其适应度大小进行排序，基于这个排序来分配各个个体被选中的易于应用的控制器。

仪表工业的重心是使控制技术能跟上工业技术的最新发展。

从气动控制到电气控制到电子控制再到数字控制，控制器的体积逐渐缩小，性能不断提高。

些处于世界领先地位的自动化仪表公司对控制器的早期发展做出重要贡献，甚至可以说控制器完全是在实际工业应用中被发明并逐步完善起来的。

值得指出的是，年仪器公司推出的款带有所谓功能的名为的气动控制器以及同时期仪器公司推出的带有所谓功能的气动控制器都是最早出现的具有完整结构的控制器。

控制至今仍是应用最广泛的种控制器。

各种现代控制技术的出现并没有削弱控制器的应用，相反，新技术的出现对于控制技术的发展起了很大的推动作用。

方面，各种新的控制思想不断被应用于控制器的设计之中或者是使用新的控制思想设计出具有结构的新控制器，控制技术被注入了新的活力。

另方面，些新控制技术的发展要求更精确的控制，从而刺激了控制器设计与参数整定技术的发展。

国际上有些研究文章陈述了当前工业控制的状况，如日本电子测量仪表制造协会在年对过程控制系统做的调查报告。

该报告表明以上的控制回路是结构。

遗传算法的发展与现状遗传算法就是根据自然界这个物竞天择，适者生存现象而提出来的种随机搜索算法。

遗传算法起源于对生物系统所进行的计算机模拟研究。

早在本世纪年代，就有学者开始研究如何利用计算机进行生物模拟的技术，他们从生物学的角度进行了生物的进化过程模拟遗传过程模拟等研究工作。

进入年代后，美国密执安大学的教授及其学生们受到这种生物模拟技术的启发，创造出了种基于生物遗传和进化机制的适合复杂系统优化计算的自适应概率优化技术遗传算法。

年，的学生在博士论文中首次提出遗传算法词。

年，在他的博士论文中首次把遗传算法用于函数优化。

年出版了自然系作。

由此，设计出本模型的总体设计框图，如图