使用技术，这种技术已经在些包括信号处理运算规则和化学加工辨识在内非线性建模任务中得到应用。在连续时间系统模型辨识中，玛伦巴赫贝特哈慈和格雷研究了应用方框图导向仿真以达到遗传算法最优化问题，另外关于遗传算法在非线性系统辨识中应用问题在格雷另片论文中得以讨论。在这篇文章中，遗传算法是应用在从实验数据得来模型结构辨识中，其中被研究系统是用来代表非线性连续时域动态模型。这些模型结构逐渐发展成为遗传算法运算规则，使得包括模型和系统响应之间协调水平适当测量在内目标函数最小化。举例说明在此式子中，是指次数据点中每次模型输出和实验数据之间误差。遗传算法运算规则是在函数库基础上实现构造和重建，那种模型单和模仿及恰当退火方法是用来估计个合适函数如同方程所示。通常遗传算法是在不断完善，直到这个遗传算法最后汇聚到这个系统模型描述。遗传算法运算规则在这个研究中，应用了个比较稳定遗传算法运算规则。对于每代，父母代都是从库里挑选出来，下代则是由他们作用交叉而产生代替了现有库中成员。作用交叉数量是和库总类相等，也就是说交叉率是百分之百。交叉运算法则是种限定了作为结果树深度子树交叉法。遗传算法参数比如转换率和群体大小要依据应用而改变。更难问题在于期望模型结构是联合体或者数据是聒噪，这时通常需要更大群体大小。在这个研究中转换率不会出现对系统调查很明显影响。通常只有℅受到影响。函数库根据应用率和可能在这个系统辨识中期望非线性模型类型而改变。处理线性系统核心方法经常是非常有用。结果发现，具体非线性系统比如查表，如果非线性存在于动态系统中，那么其中所代表物理现象只有被遗传算法运算法则所选定。这将允许系统，以测试具体非线性系统。程序模型结构辨识遗传算法库中每个成员代表这个系统候选人模型。评估每个模型并给定它些合适价值是必要。每名候选人是综合采用数值积分例行制作时间响应。这个仿真时间响应，是比较实验数据为这个模型以提供个合适价值。在这个论文中平方误差函数和等式是用来描述所有工作，虽然可以用很多其他合适函数来描述。仿真例子必须鲜明有力。无可避免地，有些候选模式会不稳定，因此，仿真程序必须防止溢出。此外，如果算法能正常工作，即使这些系统是不稳定，所有系统也必须返回个合适价值。参数估计许多遗传算法树节点包含有数值参数。这些传递函数系数增益值或是在时间延迟情况下，将会使自身延迟。在评估它适当价值前，有必要查明每个非线性模型数值参数。模型是随机产生，因此，可以线性地包含相关参数和参数，并不会影响产量。正因为如此，基于梯度方法也就不能使用了。虽然遗传算法可以用于识别数值参数，但比起其他方法它效率较低。而选定做法是和模拟退火方法联合，模拟退火最优化方法是类似于金属冷却过程。作为金属冷却过程，原子组织起来形成个有序最低能源结构，而数额振动或运动中原子是依赖于温度。随着温度降低，运动虽然是任意，成为较少振幅，并且只要温度足够慢地缓慢减少，原子就能使自己向最低能源结构运动。在模拟退火过程中，参数估计是从些随机值中开始，并让他们改变他们价值，这个搜索空间是由个金额于数量界定为系统温度。如果个参数变化，全面提升性能，它是能被接受，如果它降低了性能，也是有定概率被接受。温度下降根据些预定冷却附表，参数值也应随着温度降低收敛到些解决方法。当其他数字优化技术结合起来时，模拟退火方法是特别有效。这样个模拟退火技术和技术组合是空间形状，其中是参数数量。这个简单探讨搜索空间慢慢改变其形状靠近了最佳解决方案。模拟退火以单纯算法增加了随机性成分和温度调度，提高了方法可靠性。这已经被发现是个稳健而合理有效率数值优化算法，参数估计阶段可以被用来确定模型其他部分数值参数。该模式结构是众所周知，但有不确定性参数值。遗传算法候选模型代表性非线性连续时域动态模型可以采取些不同形式。微分方程和方框图是两种普通代表，这两种形式模型是众所周知，并且是比较容易模拟，对于仿真可视化和在遗传算法运算规则施行各有其优缺点。方框图和基于表示法方程在本文中被考虑随着第三种混合表示法纳入微分和差分算子成为个基于代表性方程式。实验数据集选择实验设计非线性系统辨识提出了关于实验设计特殊问题。该系统必须对于线性系统在整个频率范围内被激励，但是它也定要涵盖系统中任何非线性范围。这可能意味着，输入形式充分多样化刺激着系统不同模态并且数据覆盖了系统状态空间运作范围。识别个准确模型需要打训练数据集。然而仿真时间将会和数据点数量成正比，因而最优时间必须兼顾数据数量。项建议，就如何选择有效步骤和信号以覆盖整个频率范围，这个方法可能在高德费和刘佳论文中有所体现。模型验证任何建模程序个重要组成部分是模型验证。新模型结构必须同不同数据集予以审定，从而用于优化过程。有许多非线性模型验证技术，其中最简单就是模拟匹配模型时间响应和从实际系统中来现有响应数据相比较技术。该模型验证结果可以用来改进作为反复模型发展过程部分遗传算法。，，英语原文，‟，，，℅，℅英语原文