0
点赞
收藏
分享

微信扫一扫

matlab simulink 遗传算法优化模糊pid参数

1、内容简介


579-可以交流、咨询、答疑


2、内容说明



3、仿真分析


clc;clear all;close all

number_of_variables = 2;

population_size = 60;  % 种群规模(每一代个体数目)

parent_number = 30;    % 每一代中保留的个体数目(除了变异)

mutation_rate = 0.2;        % 变异概率

maximal_generation = 50;  % 最大演化代数

limit = [-5, 5]; % 限制范围

minimal_cost = 1.0e-5; % 最小目标值(函数值越小,则适应度越高)

fitness_function = 'obj';

% nochangenum = 10;

[best_fitness, elite, generation, last_generation] = ...

my_ga2(number_of_variables, 'obj', population_size, ...

parent_number, mutation_rate, maximal_generation, limit, minimal_cost);

% 最佳适应度的演化情况

figure

semilogy(1:generation, best_fitness(1:generation), 'linewidth',2)

xlabel('Generation','fontsize',12);

ylabel('Best Fitness','fontsize',12);

set(gca,'fontsize',12,'ticklength',get(gca,'ticklength')*2);

% 最优解的演化情况

figure

semilogx(1 : generation, elite(1 : generation, :))

xlabel('Generation','fontsize',12);

ylabel('Best Solution','fontsize',12);

set(gca,'fontsize',12,'ticklength',get(gca,'ticklength')*2);

matlab simulink 遗传算法优化模糊pid参数_最优解


4、参考论文



举报

相关推荐

0 条评论