智能控制方法及發(fā)展綜述綜述

智能控制方法的應(yīng)用及發(fā)展綜述1智能控制的產(chǎn)生1.1智能控制產(chǎn)生的背景早期的自動控制基本上是解決簡單對象的控制問題，人們追求研制完全自動運(yùn)行不用人參與的自治系統(tǒng)。隨著控制對象的日益復(fù)雜，系統(tǒng)所處的環(huán)境因素、控制性能要求都列入了控制系統(tǒng)設(shè)計(jì)的考慮范圍，已有的自動控制方法與技術(shù)受到了某種程度的挑戰(zhàn)，尤其在學(xué)習(xí)控制研究與機(jī)器人控制方面，矛盾日漸突出，迫切需要為自動控制學(xué)科注入新的活力，智能控制正是在這樣的背景下產(chǎn)生。1.2智能控制的產(chǎn)生及發(fā)展智能控制思想最早是由美國普渡大學(xué)的傅京孫教授于60年代中期提出的，他在1965年發(fā)表的論文中率先提出把人工智能的啟發(fā)式推理規(guī)則用于學(xué)習(xí)系統(tǒng)，這篇開創(chuàng)性論文為自動控制邁向智能化揭開了嶄新的一頁.接著，Mendel于1966年在空間飛行器的學(xué)習(xí)控制中應(yīng)用了人工智能技術(shù)，并提出了“人工智能控制”的新概念；同年，Leondes和Mendel首次使用了“智能控制(IntelligentControl)”一詞，并把記憶、目標(biāo)分解等技術(shù)用于學(xué)習(xí)控制系統(tǒng)；這些反映了智能控制思想的早期萌芽，常被稱為智能控制的孕育期.70年代關(guān)于智能控制的研究是對60年代這一思想雛形的進(jìn)一步深化，是智能控制的誕生和形成期.1971年，傅京孫發(fā)表了重要論文，提出了智能控制就是人工智能與自動控制的交叉的“二元論”思想，列舉三種智能控制系統(tǒng)：人作為控制器、人機(jī)結(jié)合作為控制器、自主機(jī)器人；1974年，英國的Mamdani教授首次成功地將模糊邏輯用于蒸汽機(jī)控制，開創(chuàng)了模糊控制的新方向；1977年，Saridis的專著出版，并于1979年發(fā)表了綜述文章、，全面地論述了從反饋控制到最優(yōu)控制、隨機(jī)控制及至自適應(yīng)控制、自組織控制、學(xué)習(xí)控制，最終向智能控制發(fā)展的過程，提出了智能控制是人工智能、運(yùn)籌學(xué)、自動控制相交叉的“三元論”思想及分級遞階的智能控制系統(tǒng)框架.80年代，智能控制的研究進(jìn)入了迅速發(fā)展時期：1984年，Astrom發(fā)表了論文，這是第一篇直接將人工智能的專家系統(tǒng)技術(shù)引入到控制系統(tǒng)的代表，明確地提出了建立專家控制的新概念；與此同時，Hopfield提出的Hopfield網(wǎng)絡(luò)及Rumelhart提出的BP算法為70年代以來一直處于低潮的人工神經(jīng)網(wǎng)絡(luò)的研究注入了新的活力，繼60年代Kilmer和McClloch提出KBM模型實(shí)現(xiàn)對“阿波羅”登月車的控制之后，人工神經(jīng)網(wǎng)絡(luò)再次被引入控制領(lǐng)域，并迅速得到了廣泛的應(yīng)用，從而開辟了神經(jīng)網(wǎng)絡(luò)控制；1985年8月，IEEE在美國紐約召開了第一界智能控制學(xué)術(shù)討論會；1987年1月，在美國費(fèi)城由IEEE控制系統(tǒng)學(xué)會與計(jì)算機(jī)學(xué)會聯(lián)合召開了第一界智能控制國際會議，這標(biāo)志著智能控制作為一門新學(xué)科正式建立起來.進(jìn)入90年代，關(guān)于智能控制的研究論文、著作、會議、期刊大量涌現(xiàn)，應(yīng)用對象也更加廣泛，從工業(yè)過程控制、機(jī)器人控制、航空航天器控制到故障診斷、管理決策等均有涉及，并取得了較好的效果.2智能控制概念及應(yīng)用2.1智能控制的定義智能控制至今為止并沒有一個公認(rèn)的、統(tǒng)一的定義。我們?yōu)榱颂骄恐悄芸刂频母拍詈图夹g(shù)，開發(fā)智能控制新的性能和性能和方法，比較不同研究者和不同國家的成果，就要求對智能控制有某些共同的理解下面提出的是被廣泛接受的關(guān)于智能控制的定義。所謂智能控制，即設(shè)計(jì)一個控制器（或系統(tǒng)），使之具有學(xué)習(xí)、抽象、推理、決策等功能，并能根據(jù)環(huán)境（包括被控對象或被控過程）信息的變化作出適應(yīng)性反應(yīng)，從而實(shí)現(xiàn)由人來完成的任務(wù)。智能控制在無人干預(yù)的情況下能自主地驅(qū)動智能機(jī)器實(shí)現(xiàn)控制目標(biāo)的自動控制技術(shù)。一個系統(tǒng)如果具有感知環(huán)境、不斷獲得信息以減小不確定性和計(jì)劃、產(chǎn)生以及執(zhí)行控制行為的能力,即稱為智能控制系統(tǒng).智能控制技術(shù)是在向人腦學(xué)習(xí)的過程中不斷發(fā)展起來的,人腦是一個超級智能控制系統(tǒng),具有實(shí)時推理、決策、學(xué)習(xí)和記憶等功能,能適應(yīng)各種復(fù)雜的控制環(huán)境。2.2智能控制的應(yīng)用場合智能控制是自動控制的最新發(fā)展階段，主要用于解決傳統(tǒng)控制技術(shù)與方法難以解決的控制問題。主要應(yīng)用場合有：（1）具有高度非線性、時變性、不確定性和不完全性等特征，一般無法獲得精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)的控制問題；（2）需要對環(huán)境和任務(wù)的變化具有快速應(yīng)變能力并需要運(yùn)用知識進(jìn)行控制的復(fù)雜系統(tǒng)的控制問題；（3）采用傳統(tǒng)控制方法時，必須遵循一些苛刻的線性化假設(shè)，否則難以達(dá)到預(yù)期控制目標(biāo)的復(fù)雜系統(tǒng)的控制問題；（4）采用傳統(tǒng)控制方法時，控制成本高、可靠性差或控制效果不理想的復(fù)雜系統(tǒng)的控制問題。2.3智能控制的理論基礎(chǔ)和方法及其應(yīng)用智能控制是以控制理論、計(jì)算機(jī)科學(xué)、人工智能、運(yùn)籌學(xué)等學(xué)科為基礎(chǔ)，擴(kuò)展了相關(guān)的理論和技術(shù)，其應(yīng)用較多的有專家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法等控制方法，以及自適應(yīng)科學(xué)研究技術(shù)、自組織技術(shù)、(自)學(xué)習(xí)技術(shù)等組織形式．智能控制的研究內(nèi)容之一就是把智能控制的相關(guān)技術(shù)結(jié)合或綜合交叉結(jié)臺構(gòu)成風(fēng)格和功能各異的智能控制系統(tǒng)和智能控制器。專家系統(tǒng)是利用專家知識對專門的或困難的問題進(jìn)行描述.用專家系統(tǒng)所構(gòu)成的專家控制,無論是專家控制系統(tǒng)還是專家控制器,其相對工程費(fèi)用較高,而且還涉及自動地獲取知識困難、無自學(xué)能力、知識面太窄等問題.盡管專家系統(tǒng)在解決復(fù)雜的高級推理中獲得較為成功的應(yīng)用,但是專家控制的實(shí)際應(yīng)用相對還是比較少。模糊邏輯用模糊語言描述系統(tǒng),既可以描述應(yīng)用系統(tǒng)的定量模型也可以描述其定性模型.模糊邏輯可適用于任意復(fù)雜的對象控制.但在實(shí)際應(yīng)用中模糊邏輯實(shí)現(xiàn)簡單的應(yīng)用控制比較容易.簡單控制是指單輸入單輸出系統(tǒng)(SISO)或多輸入單輸出系統(tǒng)(MISO)的控制.因?yàn)殡S著輸入輸出變量的增加,模糊邏輯的推理將變得非常復(fù)雜。神經(jīng)網(wǎng)絡(luò)是利用大量的神經(jīng)元按一定的拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)調(diào)整方法.它能表示出豐富的特性：并行計(jì)算、分布存儲、可變結(jié)構(gòu)、高度容錯、非線性運(yùn)算、自我組織、學(xué)習(xí)或自學(xué)習(xí)等.這些特性是人們長期追求和期望的系統(tǒng)特性.它在智能控制的參數(shù)、結(jié)構(gòu)或環(huán)境的自適應(yīng)、自組織、自學(xué)習(xí)等控制方面具有獨(dú)特的能力.神經(jīng)網(wǎng)絡(luò)可以和模糊邏輯一樣適用于任意復(fù)雜對象的控制,但它與模糊邏輯不同的是擅長單輸入多輸出系統(tǒng)和多輸入多輸出系統(tǒng)的多變量控制.在模糊邏輯表示的SIMO系統(tǒng)和MIMO系統(tǒng)中,其模糊推理、解模糊過程以及學(xué)習(xí)控制等功能常用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn).模糊神經(jīng)網(wǎng)絡(luò)技術(shù)和神經(jīng)模糊邏輯技術(shù)：模糊邏輯和神經(jīng)網(wǎng)絡(luò)作為智能控制的主要技術(shù)已被廣泛應(yīng)用.2.4智能控制應(yīng)用的研究主要是智能控制在工業(yè)過程控制、計(jì)算機(jī)集成制造系統(tǒng)、機(jī)器人、航天航空等領(lǐng)域的應(yīng)用研究。3能控制研究所面臨的問題與發(fā)展前景3.1智能控制研究所面臨的問題首先，智能控制的應(yīng)用研究目標(biāo)和主攻方向不夠明確。作為應(yīng)用研究和應(yīng)用基礎(chǔ)研究，智能控制在于尋求有別于傳統(tǒng)控制的、新的實(shí)用控制技術(shù)。離開了實(shí)際而紙上談兵，那就不是真正的應(yīng)用研究。其次，智能控制要面向復(fù)雜系統(tǒng)。對于一些比較簡單的系統(tǒng)，引入智能控制并不值得，猶如用大炮打蚊子一樣。如果簡單的智能控制系統(tǒng)的復(fù)雜性、故障率和成本高于同類應(yīng)用傳統(tǒng)控制系統(tǒng)，那么智能控制的優(yōu)越性就會令人質(zhì)疑。最后，研制新型智能控制硬件和軟件。在智能控制研究中，軟件方面存在的問題更大。例如，大多數(shù)基于神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)，還停留在“仿真”水平上，未能真正解決實(shí)現(xiàn)問題更談不上實(shí)際應(yīng)用。提高系統(tǒng)的運(yùn)行速度、實(shí)現(xiàn)實(shí)時控制、提高對環(huán)境的感覺和解釋能力、改善信息識別和處理能力、設(shè)計(jì)模塊化的傳感器接口等方面要做的事情還很多。3.2智能控制的發(fā)展前景隨著智能控制應(yīng)用方法的日益成熟，智能控制的研究領(lǐng)域必將進(jìn)一步擴(kuò)大。有高級機(jī)器人、過程智能控制和智能故障診斷等，及下列領(lǐng)新的應(yīng)用領(lǐng)域：交通控制(如高速列車、汽車運(yùn)輸、飛機(jī)飛行控制等)，用于CAD、C』～M、CIMS和CIPS的自動加工控制，醫(yī)療過程控制、商業(yè)、農(nóng)業(yè)、文化教育和娛樂等。當(dāng)代最高意義上的智能自動化要算機(jī)器人學(xué)的進(jìn)步和應(yīng)用。機(jī)器人從爬行到直立行走，現(xiàn)在已能用手使用工具，能看、聽、用多種語言說話，并能可靠的去干最臟最累最危險(xiǎn)的活。據(jù)統(tǒng)計(jì)，目前世界上有將近100萬個機(jī)器人在各生產(chǎn)線上工作，美國和日本在核反應(yīng)堆中使用機(jī)器人，印度科學(xué)家在2002年8月27日也宣稱，他們已經(jīng)建造成一種6條腿的機(jī)器人用于核電站工作。據(jù)估計(jì)到2010年，智能機(jī)器人可能進(jìn)入家庭，許多家政勞動將由機(jī)器人來代替。智能型機(jī)器人進(jìn)入社會服務(wù)業(yè)，可以當(dāng)出租車司機(jī)、醫(yī)院護(hù)士、家庭保姆和銀行出納等。因此，智能機(jī)器人將逐漸代替人類的復(fù)雜勞動，解放人類的身體，提高未來休閑時代的生活質(zhì)量。按照我國規(guī)劃，到2010年，70％以上的家庭具備互聯(lián)網(wǎng)接入條件，大中城市中60％的住宅實(shí)現(xiàn)智能化。到時候，新興的語音識別技術(shù)，會在智能家居中運(yùn)用“生物特征智能識別技術(shù)”，對我們臉部、角膜、指紋等特征進(jìn)行技術(shù)識別，方便我們的生活。遠(yuǎn)程醫(yī)療和健康監(jiān)護(hù)等自動化技術(shù)，也將問津?qū)こＨ思业娜粘Ｉ?。在手術(shù)過程中的麻醉深度智能控制系統(tǒng)，已證明其控制質(zhì)量超過了人工控制。交通事故死亡率成為人類和平時期非正常死亡概率的第一因素，引入智能交通系統(tǒng)，可以大大緩解這一狀況。智能交通系統(tǒng)是信息自動化處理的系統(tǒng)，包括收集最基本的道路信息，建立多種交通模型，需求最優(yōu)的交通誘導(dǎo)，給出行者提供充分的信息。智能交通系統(tǒng)在美國的一些城市已經(jīng)實(shí)施，它可以減小10％的廢棄材料，20％的交通延遲，30％的停車次數(shù)。有關(guān)資料表明：2010年智能交通將會在世界性大城市普及，2020年，智能交通將成為生活中的一部分。我國科技部已經(jīng)正式確定上海、廣州、深圳、青島、重慶等9個城市為首批全國智能交通系統(tǒng)應(yīng)用和示范工程試點(diǎn)城市。全世界約有6萬種語言，智能化電腦同步翻譯機(jī)的出現(xiàn)，將真正實(shí)現(xiàn)人類語言達(dá)到溝通無障礙的“全球通”狀。目前我國科學(xué)家已經(jīng)成功試制出中國和韓國間的同聲翻譯，以及中日間掌上電腦的同步翻譯。預(yù)計(jì)十多年后，會有大量的語音翻譯產(chǎn)品問世，30年后將出現(xiàn)沒有領(lǐng)域限制的翻譯系統(tǒng)，全球?qū)⒒緦?shí)現(xiàn)無語言障礙交流。決策系統(tǒng)、專家控制系統(tǒng)、學(xué)習(xí)控制系統(tǒng)、模糊控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)控制、智能規(guī)劃和故障診斷等智能控制的一些研究成果，也已被應(yīng)用于各類工業(yè)(電力、化工、冶金、造紙等)生產(chǎn)過程控制系統(tǒng)和智能化生產(chǎn)(制造)系統(tǒng)，如：飛行器制造，汽車自動駕駛系統(tǒng)等。智能技術(shù)廣泛應(yīng)用于社會，有利于提高人民的生活質(zhì)量，提高勞動生產(chǎn)率，提高全社會的文化素質(zhì)，創(chuàng)造更高的就業(yè)率。目前，在世界范圍內(nèi)，智能控制和智能自動化科學(xué)與技術(shù)正在成為自動化領(lǐng)域中最興旺和發(fā)展最迅速的一個分支學(xué)科，并被許多發(fā)達(dá)國家確認(rèn)為面向21世紀(jì)和提高國家競爭力的核心技術(shù)。4以遺傳算法為例講述智能控制系統(tǒng)4.1遺傳算法的發(fā)展及應(yīng)用從20世紀(jì)60年代起，美國、德國等國家的一些科學(xué)家就開始研究用模仿生物和人類進(jìn)化的方法求解復(fù)雜優(yōu)化問題，從而形成了模擬進(jìn)化優(yōu)化方法（OptimizationMethodbySimulatedEvolution），其代表性方法有遺傳算法（GA：GeneticAlgorithms）、進(jìn)化規(guī)劃（EP：EvolutionaryProgramming）、進(jìn)化策略（ES：EvolutionaryStrategies）。常規(guī)的數(shù)學(xué)優(yōu)化技術(shù)基于梯度尋優(yōu)技術(shù)，計(jì)算速度快，但要求優(yōu)化問題具有可微性，且通常只能求得局部最優(yōu)解；而模擬進(jìn)化方法無可微性要求，適用于任意的優(yōu)化問題，尤其適用于求解組合優(yōu)化問題以及目標(biāo)函數(shù)不可微或約束條件復(fù)雜的非線性優(yōu)化問題。由于它們采用隨機(jī)優(yōu)化技術(shù)，所以會以較大的概率求得全局最優(yōu)解。其計(jì)算費(fèi)用較高的問題也因計(jì)算機(jī)軟硬件技術(shù)的飛速發(fā)展而不再成為制約因素。4.2遺傳算法的基本原理遺傳算法是基于自然選擇和基因遺傳學(xué)原理的搜索方法，它將“優(yōu)勝劣汰、適者生存”的生物進(jìn)化原理引入到由待優(yōu)化參數(shù)形成的編碼串種群中，按照一定的適應(yīng)度函數(shù)及一系列遺傳操作對各個個體進(jìn)行篩選，使適應(yīng)度值較高的個體被保留下來，從而組成新的種群，新種群中包含了上一代的大量信息，并且引入了新的優(yōu)于上一代的個體。如此周而復(fù)始，種群中各個體的適應(yīng)度不斷提高，直至滿足一定的收斂條件。最后，以種群中適應(yīng)度值最高的個體作為待優(yōu)化參數(shù)的最優(yōu)解。遺傳算法也用到了隨機(jī)搜索技術(shù)，但它通過對參數(shù)空間的隨機(jī)編碼并用適應(yīng)度函數(shù)作為工具來引導(dǎo)搜索過程向著更有效的方向發(fā)展，因而它不同于常規(guī)的隨機(jī)法。4.2.1遺傳算法的具體實(shí)現(xiàn)1.編碼方式的選取利用遺傳算法求解實(shí)際問題時，問題的解是用字符串來表示的，遺傳算子也是直接對字符串進(jìn)行操作的。因此，如何用適當(dāng)?shù)淖址幋a來表示問題的解成為了遺傳算法應(yīng)用過程中的首要問題。目前所使用的字符串編碼方式主要有：二進(jìn)制、浮點(diǎn)數(shù)和符號等。（1）采用二進(jìn)制形式編碼，個體的位數(shù)多，描述得比較細(xì)致，從而加大了搜索范圍，但交叉運(yùn)算的計(jì)算量較大；由于大量的具體問題本身都是十進(jìn)制的，并且還需對實(shí)際參數(shù)進(jìn)行編碼和譯碼，從而增加了額外的計(jì)算時間。（2）采用浮點(diǎn)數(shù)編碼，交叉運(yùn)算的計(jì)算量較小，但變異過程難于進(jìn)行。（3）符號編碼方式通常在一些專門的應(yīng)用場合使用。2.初始種群的產(chǎn)生初始種群對應(yīng)著問題的初始解，通常有兩種方式產(chǎn)生：①完全隨機(jī)方式產(chǎn)生（字符串每一位均隨機(jī)產(chǎn)生）；②隨機(jī)數(shù)發(fā)生器方式產(chǎn)生（整個字符串用隨機(jī)數(shù)發(fā)生器一次產(chǎn)生）。另外，如果對于尋優(yōu)問題有某些先驗(yàn)知識，則可先將這些先驗(yàn)知識轉(zhuǎn)變?yōu)楸仨殱M足的一組約束，然后再在滿足這些約束的解中隨機(jī)地選取個體以組成初始種群。另外，如果對于尋優(yōu)問題有某些先驗(yàn)知識，則可先將這些先驗(yàn)知識轉(zhuǎn)變?yōu)楸仨殱M足的一組約束，然后再在滿足這些約束的解中隨機(jī)地選取個體以組成初始種群。3.適應(yīng)度函數(shù)的確定適應(yīng)度函數(shù)是遺傳算法與實(shí)際優(yōu)化問題之間的接口。在遺傳算法中要求適應(yīng)度函數(shù)值是非負(fù)的，且任何情況下都希望其值越大越好；而實(shí)際優(yōu)化問題的目標(biāo)函數(shù)并不一定滿足這個條件，有的是正的，有的可能為負(fù)，甚至可能是復(fù)數(shù)值。因此，對于任意優(yōu)化問題，首先應(yīng)把其數(shù)學(xué)形式表示為遺傳算法適于求解的形式，同時要保證二者在數(shù)學(xué)優(yōu)化層面上是等價(jià)的。這個過程稱為適應(yīng)度轉(zhuǎn)換。適應(yīng)度轉(zhuǎn)換首先要保證適應(yīng)度值是非負(fù)的，其次要求目標(biāo)函數(shù)的優(yōu)化方向應(yīng)與適應(yīng)度值增大的方向一致。設(shè)實(shí)際優(yōu)化問題的目標(biāo)函數(shù)為J(x)，遺傳算法的適應(yīng)度函數(shù)為f(x)，則有：①可以將適應(yīng)度函數(shù)表示為實(shí)際優(yōu)化問題目標(biāo)函數(shù)的線性形式，即有其中，a，b是系數(shù)，可根據(jù)具體問題的特征及所期望適應(yīng)度的分散程度來確定。②對于最小化問題，一般采用如下轉(zhuǎn)換形式：其中，cmax既可以是到目前為止所有進(jìn)化代中目標(biāo)函數(shù)J(x)的最大值（此時cmax將隨著進(jìn)化而有所變化），也可以根據(jù)經(jīng)驗(yàn)人為設(shè)定。③對于最大化問題，一般采用如下轉(zhuǎn)換形式：其中，cmin既可以是當(dāng)前代中目標(biāo)函數(shù)J(x)的最小值，也可以根據(jù)經(jīng)驗(yàn)人為設(shè)定4.復(fù)制（選擇）（ReproductionorSelection）復(fù)制是基于適者生存理論而提出的，是指種群中每一個體按照適應(yīng)度函數(shù)進(jìn)入到匹配池中的過程。適應(yīng)度值高于種群平均適應(yīng)度的個體在下一代中將有更多的機(jī)會繁殖一個或多個后代，而低于平均適應(yīng)度的個體則有可能被淘汰掉。復(fù)制的目的在于保證那些適應(yīng)度高的優(yōu)良個體在進(jìn)化中生存下去，復(fù)制不會產(chǎn)生新的個體。常用的選擇方法有：賭輪法、兩兩競數(shù)法、排序法5.交叉（Crossover）交叉是指對從匹配池中隨機(jī)選出的兩個個體按一定的交叉概率pc部分地交換某些基因的過程。一般分兩步實(shí)現(xiàn)：第一步是將新復(fù)制產(chǎn)生的匹配池中的個體隨機(jī)兩兩配對；第二步是進(jìn)行交叉繁殖，產(chǎn)生一對新的個體。交叉的目的是為了產(chǎn)生新的基因組合，生成新的個體，避免每代種群中個體的重復(fù)。6.變異（Mutation）一般的變異操作只作用于采用二進(jìn)制編碼的某單個個體，它以一定的變異概率pm對個體的某些位進(jìn)行取反操作。如同自然界很少發(fā)生基因突變一樣，變異概率pm一般都取得比較小。變異的目的是為了增加種群個體的多樣性，防止丟失一些有用的遺傳模式。7.常規(guī)的數(shù)學(xué)優(yōu)化方法有數(shù)學(xué)上比較嚴(yán)格的收斂判據(jù)，而遺傳算法的收斂判據(jù)通常是啟發(fā)式的。由于遺傳算法沒有利用梯度信息，因此要從數(shù)學(xué)上構(gòu)造比較嚴(yán)格的收斂判據(jù)相當(dāng)困難。常用的收斂判據(jù)有：①根據(jù)計(jì)算時間和所采用計(jì)算機(jī)的性能確定收斂判據(jù)：一般采用指定最大迭代次數(shù)的方法；②從解的質(zhì)量方面確定判據(jù)：如果連續(xù)幾代（或幾十代）種群中的最優(yōu)解沒有變化，則認(rèn)為算法收斂；或種群中最優(yōu)個體的適應(yīng)度與平均適應(yīng)度之差和平均適應(yīng)度的比值小于某一給定值時，也可以認(rèn)為算法已經(jīng)收斂。圖1遺傳算法流程圖4.2.2遺傳算法的特點(diǎn)遺傳算法還具有以下幾方面的特點(diǎn)：(1)遺傳算法從問題解的串集開始搜索，而不是從單個解開始。這是遺傳算法與傳統(tǒng)優(yōu)化算法的極大區(qū)別。傳統(tǒng)優(yōu)化算法是從單個初始值迭代求最優(yōu)解的；容易誤入局部最優(yōu)解。遺傳算法從串集開始搜索，覆蓋面大，利于全局擇優(yōu)。(2)遺傳算法同時處理群體中的多個個體，即對搜索空間中的多個解進(jìn)行評估，減少了陷入局部最優(yōu)解的風(fēng)險(xiǎn)，同時算法本身易于實(shí)現(xiàn)并行化。(3)遺傳算法基本上不用搜索空間的知識或其它輔助信息，而僅用適應(yīng)度函數(shù)值來評估個體，在此基礎(chǔ)上進(jìn)行遺傳操作。適應(yīng)度函數(shù)不僅不受連續(xù)可微的約束，而且其定義域可以任意設(shè)定。這一特點(diǎn)使得遺傳算法的應(yīng)用范圍大大擴(kuò)展。(4)遺傳算法不是采用確定性規(guī)則，而是采用概率的變遷規(guī)則來指導(dǎo)他的搜索方向。(5)具有自組織、自適應(yīng)和自學(xué)習(xí)性。遺傳算法利用進(jìn)化過程獲得的信息自行組織搜索時，適應(yīng)度大的個體具有較高的生存概率，并獲得更適應(yīng)環(huán)境的基因結(jié)構(gòu)。4.3遺傳算法的應(yīng)用現(xiàn)狀進(jìn)入90年代，遺傳算法迎來了興盛發(fā)展時期，無論是理論研究還是應(yīng)用研究都成了十分熱門的課題。尤其是遺傳算法的應(yīng)用研究顯得格外活躍，不但它的應(yīng)用領(lǐng)域擴(kuò)大，而且利用遺傳算法進(jìn)行優(yōu)化和規(guī)則學(xué)習(xí)的能力也顯著提高，同時產(chǎn)業(yè)應(yīng)用方面的研究也在摸索之中。此外一些新的理論和方法在應(yīng)用研究中亦得到了迅速的發(fā)展，這些無疑均給遺傳算法增添了新的活力。遺傳算法的應(yīng)用研究已從初期的組合優(yōu)化求解擴(kuò)展到了許多更新、更工程化的應(yīng)用方面。隨著應(yīng)用領(lǐng)域的擴(kuò)展，遺傳算法的研究出現(xiàn)了幾個引人注目的新動向：一是基于遺傳算法的機(jī)器學(xué)習(xí)，這一新的研究課題把遺傳算法從歷來離散的搜索空間的優(yōu)化搜索算法擴(kuò)展到具有獨(dú)特的規(guī)則生成功能的嶄新的機(jī)器學(xué)習(xí)算法。這一新的學(xué)習(xí)機(jī)制對于解決人工智能中知識獲取和知識優(yōu)化精煉的瓶頸難題帶來了希望。二是遺傳算法正日益和神經(jīng)網(wǎng)絡(luò)、模糊推理以及混沌理論等其它智能計(jì)算方法相互滲透和結(jié)合，這對開拓21世紀(jì)中新的智能計(jì)算技術(shù)將具有重要的意義。三是并行處理的遺傳算法的研究十分活躍。這一研究不僅對遺傳算法本身的發(fā)展，而且對于新一代智能計(jì)算機(jī)體系結(jié)構(gòu)的研究都是十分重要的。四是遺傳算法和另一個稱為人工生命的嶄新研究領(lǐng)域正不斷滲透。所謂人工生命即是用計(jì)算機(jī)模擬自然界豐富多彩的生命現(xiàn)象，其中生物的自適應(yīng)、進(jìn)化和免疫等現(xiàn)象是人工生命的重要研究對象，而遺傳算法在這方面將會發(fā)揮一定的作用，五是遺傳算法和進(jìn)化規(guī)劃（EvolutionProgramming,EP）以及進(jìn)化策略（EvolutionStrategy,ES）等進(jìn)化計(jì)算理論日益結(jié)合。EP和ES幾乎是和遺傳算法同時獨(dú)立發(fā)展起來的，同遺傳算法一樣，它們也是模擬自然界生物進(jìn)化機(jī)制的智能計(jì)算方法，即同遺傳算法具有相同之處，也有各自的特點(diǎn)。目前，這三者之間的比較研究和彼此結(jié)合的探討正形成熱點(diǎn)。1991年D.Whitey在他的論文中提出了基于