一种求解最优控制问题的混合WNN-PSO算法

被引：7

作者：

李树荣

雷阳

张强

张晓东

机构：

[1] 中国石油大学(华东)信息与控制工程学院

来源：

系统仿真学报 | 2013年 / 25卷 / 03期

关键词：

最优控制; 小波神经网络; 参数化; 粒子群;

D O I：

10.16182/j.cnki.joss.2013.03.039

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对最优控制问题的数值求解,提出了一种混合小波神经网络-粒子群(WNN-PSO)算法。算法首先利用小波神经网络的非线性逼近能力参数化最优控制轨迹,将最优控制问题转化为非线性规划(NLP)问题,其决策变量为小波神经网络的参数,然后采用粒子群(PSO)算法优化小波神经网络参数,获得NLP问题的全局最优解。针对Bang-Bang最优控制问题和一个经典的化工过程最优控制问题进行仿真研究,验证了所提出算法的可行性和有效性。

引用

页码：425 / 429

页数：5

共 13 条

[1] 基于递阶粒子群方法的RBF网络自动设计 [J].

陈得宝 ;

杨一军 .

系统仿真学报 , 2010, (12) :2853-2857

[2] 一种改进的CVP方法及其在动态优化中的应用 [J].

王平 ;

田学民 .

控制与决策 , 2009, (11) :1757-1760

[3] 有约束过程动态优化问题的改进克隆选择算法 [J].

林可鸿 ;

贺益君 ;

陈德钊 .

高校化学工程学报, 2009, 23 (05) :858-863

[4] 混合优化人工免疫网络用于过程动态优化 [J].

林可鸿 ;

贺益君 ;

陈德钊 .

浙江大学学报(工学版), 2008, 42 (12) :2181-2186

[5] 基于粒子群算法混合优化的广义预测控制器研究 [J].

肖本贤 ;

朱志国 ;

刘一福 .

系统仿真学报, 2007, (04) :820-824

[6] 基于模拟退火算法的最优控制问题全局优化 [J].

罗亚中 ;

唐国金 ;

田蕾 .

南京理工大学学报(自然科学版), 2005, (02) :144-148

[7] 迭代遗传算法及其用于生物反应器补料优化 [J].

张兵 ;

陈德钊 .

化工学报, 2005, (01) :100-104

[8] 基于粒子群优化的三维突防航迹规划仿真研究 [J].

唐强 ;

王建元 ;

朱志强 .

系统仿真学报, 2004, (09) :2033-2036

[9]

最优控制计算方法[M]. 成都科技大学出版社 , 张光澄主编, 1991

[10]

Dynamic optimization of bioprocesses: Efficient and robust numerical strategies[J] . Julio R. Banga,Eva Balsa-Canto,Carmen G. Moles,Antonio A. Alonso. Journal of Biotechnology . 2005 (4)

← 1 2 →