（定稿）水果批发市场建设项目建议书（喜欢就下吧）

若迭代多次保持不变，施加混沌小扰动，按照式进行混沌再搜索，为调节系数。

计算性能指标，若，令，否则继续搜索。

若算法满足终止准则，输出最优解，否则继续步骤。

最优个体保存策略遗传算法收敛的个重要保证，保证得到的最优个体不会被交叉变异等遗传运算所破坏。

但是，它也容易使局部最优个体不易被淘汰反而快速扩散，从而降低了算法的收敛能力，所以将最优保存策略和其他选择结合使用。

收敛准则满足进化结果的精度要求达到进化最大代数连续多代没有进化，满足三者之即可。

的流程如下函数输入输入要寻优的优化函数及约束性条件。

初始化算法参数设置算法控制参数。

生成初始种群利用猫映射序列产生均匀分布的种群，维持种群的多样性。

选择将排序选择和最优保存策略相结合，保证好的群体不被淘汰，优良模式不被破坏。

个体间距离的计算按照公式和计算个体间距离，去除距离近适应度低的个体。

按照条件进行下步操作。

交叉将自适应交叉海明距离控制机制淘汰策略相结合。

保证种群的多样性以及适应度的稳步提高。

变异采用混沌变异，附加小的混沌扰动，对参数空间进行遍历。

收敛准则判定达到所要求精度达到设定的最大代数连续多代没有进化，满足三者之即可。

统计输出并记录结果对要测试的性能指标进行统计，如果满足收敛准则，则将函数及其寻优结果保存否则，退出程序。

退出程序。

计算机仿真实例以求个测试函数的最小值为例，进行仿真实验函数函数函数，，函数式中为变量维数，函数是单峰函数，常用此函数测试算法的收敛速度函数是很难极小化的非凸病态函数，该函数可以用于测试算法能否克服和防止进化中的早熟现象函数都是具有大量局部最优点的多峰值函数四个基准测试函数的全局最小值均为，。

图给出了函数函数的几何分布特性。

由图可知，函数为多维多峰值的非线性优化函数，求解该函数较为困难。

算法的性能评价算法的性能评价采用如下方法算法收敛速度的评价算法收敛稳定性和收敛质量的评价与文献的优化结果进行比较算法收敛速度的评价平均进化代数的测试可以体现算法的收敛速度。

针对前四个测试函数，维数取，与进行比较得出使得测试函数均能达到目标值，而且进化代数明显减少，加快了进化速度。

由此说明了搜索效率与混沌序列的分布有关，猫映射的均匀分布性质大大提高了算法的搜索效率。

图进化过程中目标函数值随进化代数变化曲线算法收敛稳定性和收敛质量的评价算法收敛稳定性和收敛质量的性能评价指标有收敛到全局最优的比率最优值的平均值平均进化代数。

将本文提出的基于映射的混沌遗传算法与基于映射的混沌遗传算法基于映射的混沌遗传算法标准遗传算法对以上四个测试函数进行优化求解，比较了算法的性能见表。

应用基于映射的混沌遗传算法进行函数优化时，取种群进化代数为，由表可知，收敛到全局最优值的比率较其他三种算法高最优值的平均值更加逼近函数的理论极值能够减少得到全局最优解所需的进化代数。

因此本文提出的算法收敛稳定性较其他两种算法好。

点，当最优解是边缘解时，无法达到最优解。

映射方程为，，二维猫映射方程为式表示成矩阵形式式中，，。

猫映射的两个指数分别为，。

由此可以看出猫映射具有混沌特性。

猫映射与映射的比较将映射映射映射分别迭代次得到的，范围内的分布图如图，曲线显示映射在，和，内取值次数多达次，而，平均取到次，当最优解落在中间位置时，需要多次迭代才能得到最优解，大大降低了算法的效率。

曲线显示映射的最少取值次数是次，最大次，分布比较均匀，但映射是对的映射，其混沌序列受计算机有限字长和有限精度的影响，很快落入个循环，从而在迭代后迅速收敛。

虽通过提高字长可使周期增大，但实现比较复杂。

曲线显示映射的最少取值次数是次，最大次，分布比较均匀，而映射的初始值可以取值或者见表，这是映射所不具备的。

因此，映射具有更好的混沌分布特性。

图三种映射的迭代分布图表三种混沌映射的分布特性映射初始值最大取值次数最小取值次数基于猫映射的混沌遗传算法混沌遗传算法的步骤为了克服遗传算法维持种群多样性差，容易陷入早熟的缺点，引入混沌的思想，对整个算法进行了改进，提出了基于猫映射的混沌遗传算法。

基于的设计，采用实数编码，对遗传算法的选择交叉以及变异进行了改进，利用混沌序列产生初始种群，的流程图如下交叉结果的优胜劣汰生存竞争选择保留最优个体免变异混沌变异对种群进行更新符合动态海明距离要求满足收敛条件混沌序列产生初始种群种群个体的适应度评估保留最优个体免交叉动态自适应交叉否根据适应度大小重新选择新个体输出优化结果是否结束是开始输入初始参数图混沌遗传算法的流程图本文算法从以下几个方面进行改进猫映射生成初始种群利用式产生初始种群，使其尽可能在解空间分布均匀，克服随机序列产生初始种群的不均匀性，提高搜索效率。

自适应交叉率海明距离控制机制及淘汰策略保证种群进化的多样性及有效性自适应交叉率交叉算子作为遗传算法中起核心作用的遗传操作算子，直接影响着算法的性能。

设置了固定不变的交叉概率，不能提供合理的搜索方向，使得最优个体及整个群体适应度改善的速度受到限制。

根据交叉概率般在之间，本文对交叉概率进行如下改动海明距离进化后期，种群接近于齐次种群，难以产生新的子代个体，会出现近亲繁殖的现象，本文通过控制海明距离来保持种群的多样性，提高进化效率。

海明距离的表达式如下其中是个体，的海明距离，为初始种群的平均海明距离。

交叉按下列进行个体进行交叉个体不进行交叉淘汰策略对交叉个体和交叉产生的个体进行适者生存策略，选择适应度大的两个个体进入下步操作。

其中，为，之间的随机数。

混沌扰动过程令是待变异的第个个体的第个基因，取值为，，利用公式映射到，区间得到混沌变量。

运用猫映射迭代式得到，。

运用公式将映射到，区间得到变量。

若，则表四窗口的打开关闭以及设备构件的工作状态，从而实现对系统工作过程精确控制及有序调度管理的目的。

上位机是款功能强大的仿真软件，它不仅可以在线实际的工作状态，还可以检验程序编写的正确与否，便于修正。

在本次设计的调试过程中也发挥了重至关要的作用。

第三章化肥生产废热水池水循环系统的硬件设计控制系统的外部接线图化肥生产废热水池水循环系统的外部接线图如图所示。

图中有外部输入的接线方式外部输出的接线方式及与通信的外部接线方式。

图水循环系统的外部接线图主电路图如图所示，七台泵由七个编号为电动机带动，主电路设有过流保护热过载保护和欠压保护等功能。

图主电路接线图的功能模块概述的功能是系列的模拟量输入模块有个输入通道，每个通道都可进行转换，即将模拟量信号温度压力流量液位等转换成数字信号送给，以实现对过程参数的控制。

的性能指标的性能指标如表所示。

表模拟量输入模块性能指标的外部接线通过扩充电缆与主单元相连，四个通道的外部连接根据信号源的不同而不同，具体如图所示。

图的外部接线接线时应注意以下几点若外部输入为电压信号，则将极分别与和相连。

若外部输入为电流信号，则需要把和相连。

如有过多的干扰信号，应将系统机壳的端与的接地端相连。

模拟量输入模块的性能如下电压或电流输入的选择基于物理接线方式，个输入点可同时使用。

电压输入为，输入阻抗为，如果绝对值超过，则可对单元造成损坏电流输入为，输入阻抗为，如果绝对值超过，则可对单元造成损坏。

位转换结果以二进制补码形式存放。

最大值为，最小值为。

电压分辨率为，电流分辨率为。

总体精度为。

转换精度为。

的设置缓冲存储器概述的缓冲存储器由个位寄存器组成，编号，其内容与设置如表所示。

是特殊功能模块工作设定及与基本单元交换数据的中介单元，是指令读写的操作目标。

表缓冲寄存器的分配及设置注带号的缓冲寄存器可用指令写入设定值，其他可用指令读出其值或信息设置使用模块时，需要根据使用要求进行定的设置，才能保证正常工作及与基本单元的数据交换。

缓冲寄存器的分配和设置详见表。

模块编号接在基本单元右边扩展总线上的功能模块，从最靠近基本单元的开始，顺次编号。

模块确认的识别码为存放在其中。

编制程序时，可使用指令读取该识别码，通过的比较确认才有效。

通道初始化通道初始化用位十六制表示，最低位数字控制通道，最高位控制通道。

中每位数字取值范围为，初始值为，详见表中单元的设置，例如则设定通道为电压输入通道为电流输入和通道关闭。

程序中可应用指令将通道初始化字写入的单元。

④平均值采样次数平均值采样次数的范围为，初始值为程序中可使用指令将通道设置的平均值采样次数写入缓冲存储器对应单元。

零点和增益值调整需要调整零点偏移量和增益的输入通道，由的，或，位的状态来设定，如的，位置，则和的设定值即可送入通道的零点寄存器和增益寄存器若设置中，为则禁止该通道零点和增益的调整。

工作状态模块当前状态的信息存放在其缓冲存储器的，如表所示。

程序可使用指令将模块中的信息位读到的位组合元件如，若位为，表明通道设置，重复迭代，直到找到最好的，。

若迭代多次保持不变，施加混沌小扰动，按照式进行混沌再搜索，为调节系数。

计算性能指标，若，令，否则继续搜索。

若算法满足终止准则，输出最优解，否则继续步骤。

最优个体保存策略遗传算法收敛的个重要保证，保证得到的最优个体不会被交叉变异等遗传运算所破坏。

但是，它也容易使局部最优个体不易被淘汰反而快速扩散，从而降低了算法的收敛能力，所以将最优保存策略和其他选择结合使用。

收敛准则满足进化结果的精度要求达到进化最大代数连续多代没有进化，满足三者之即可。

的流程如下函数输入输入要寻优的优化函数及约束性条件。

初始化算法参数设置算法控制参数。

生成初始种群利用猫映射序列产生均匀分布的种群，维持种群的多样性。

选择将排序选择和最优保存策略相结合，保证好的群体不被淘汰，优良模式不被破坏。

个体间距离的计算按照公式和计算个体间距离，去除距离近适应度低的个体。

按照条件进行下步操作。

交叉将自适应交叉海明距离控制机制淘汰策略相结合。

保证种群的多样性以及适应度的稳步提高。

变异采用混沌变异，附加小的混沌扰动，对参数空间进行遍历。

收敛准则判定达到所要求精度达到设定的最大代数连续多代没有进化，满足三者之即可。

统计输出并记录结果对要测试的性能指标进行统计，如果满足收敛准则，则将函数及其寻优结果保存否则，退出程序。

退出程序。

计算机仿真实例以求个测试函数的最小值为例，进行仿真实验函数函数函数，，函数式中为变量维数，函数是单峰函数，常用此函数测试算法的收敛速度函数是很难极小化的非凸病态函数，该函数可以用于测试算法能否克服和防止进化中的早熟现象函数都是具有大量局部最优点的多峰值函数四个基准测试函数的全局最小值均为，。

图给出了函数函数的几何分布特性。

由图可知，函数为多维多峰值的非线性优化函数，求解该函数较为困难。

算法的性能评价算法的性能评价采用如下方法算法收敛速度的评价算法收敛稳定性和收敛质量的评价与文献的优化结果进行比较算法收敛速度的评价平均进化代数的测试可以体现算法的收敛速度。

针对前四个测试函数，维数取，与进行比较得出使得测试函数均能达到目标值，而且进化代数明显减少，加快了进化速度。

由此说明了搜索效率与混沌序列的分布有关，猫映射的均匀分布性质大大提高了算法的搜索效率。

图进化过程中目标函数值随进化代数变化曲线算法收敛稳定性和收敛质量的评价算法收敛稳定性和收敛质量的性能评价指标有收敛到全局最优的比率最优值的平均值平均进化代数。

将本文提出的基于映射的混沌遗传算法与基于映射的混沌遗传算法基于映射的混沌遗传算法标准遗传算法对以上四个测试函数进行优化求解，比较了算法的性能见表。

应用基于映射的混沌遗传算法进行函数优化时，取种群进化代数为，由表可知，收敛到全局最优值的比率较其他三种算法高最优值的平均值更加逼近函数的理论极值能够减少得到全局最优解所需的进化代数。

因此本文提出的算法收敛稳定性较其他两种算法好。