基于遗传因子的自适应蚁群算法最优PID控制

彭沛夫; 林亚平; 胡斌; 张桂芳

您当前的位置：

首页 >

文章列表页 >

基于遗传因子的自适应蚁群算法最优PID控制

论文 | 更新时间：2025-07-16

- 基于遗传因子的自适应蚁群算法最优PID控制
- Optimal PID Control of Self-Adapted Ant Colony Algorithm Based on Genetic Gene
- 电子学报 2006年34卷第6期页码：1109-1113
- 作者机构：
  
  1. 湖南师范大学物理与信息科学学院,湖南,长沙,410081
  2. 湖南大学软件学院,湖南,长沙,410083
  3. 中南大学,湖南,长沙,410012
  4. 湖南涉外经济学院,湖南,长沙,410205
  5. 湖南师范大学物理与信息科学学院湖南长沙,410081
  6. 湖南大学软件学院湖南,长沙,410083
  7. 中南大学湖南长沙,410012
  8. 湖南涉外经济学院湖南长沙,410205
- 作者简介：
- 基金信息：
  
  湖南省教育厅自然科学基金项目 (No.05C408);湖南省自然科学基金项目 (No.03JJY3089)
- DOI：
  中图分类号： TP301.6
- 纸质出版：2006
- 稿件说明：
移动端阅览
彭沛夫, 林亚平, 胡斌, 等. 基于遗传因子的自适应蚁群算法最优PID控制[J]. 电子学报, 2006,34(6):1109-1113.

PENG Pei-fu, LIN Ya-ping, HU Bin, et al. Optimal PID Control of Self-Adapted Ant Colony Algorithm Based on Genetic Gene[J]. Acta Electronica Sinica, 2006, 34(6): 1109-1113.
彭沛夫, 林亚平, 胡斌, 等. 基于遗传因子的自适应蚁群算法最优PID控制[J]. 电子学报, 2006,34(6):1109-1113. DOI：

PENG Pei-fu, LIN Ya-ping, HU Bin, et al. Optimal PID Control of Self-Adapted Ant Colony Algorithm Based on Genetic Gene[J]. Acta Electronica Sinica, 2006, 34(6): 1109-1113. DOI：

摘要

蚁群算法是一种新型的模拟进化算法

重点始于组合优化问题的求解.作者运用该算法优化PID控制参数

但在基本蚁群算法中

存在收敛速度较慢

易出现停滞

以及全局搜索能力较低的缺陷.论文提出了一种具有遗传因子的自适应蚁群算法最优PID控制参数的方法

设计出参数优化图.该方法克服了基本蚁群算法的不足

能够满意地实现PID控制参数优化.仿真结果与Z-N法、遗传算法、基本蚁群算法相比较

优化效果明显得到改善.实验表明

该方法对于控制其他对象和过程也具有应用价值.

Abstract

Ant colony algorithm is a brand-new type of simulative evolution algorithm

which focus on its solution to conform optimized question.The author utilizes this algorithm to optimize PID control parameter

but in basic ant colony algorithm

there are some defects of slow convergence speed

easy to get stagnate

and low ability of full search.This paper presents a method of optimized PID control of self-adapted ant colony algorithm based on genetic gene and design out the parameter optimized diagram.This method not only overcomes the shortage of basic ant colony algorithm

but also perfectly realizes the optimization of PID control parameter.Compared to the result of simulation with Z-N optimization

genetic algorithm and basic ant colony algorithm

results of optimization can be greatly improved.The experiments show that this method has its practical value on controlling other objection and process.

关键词

Keywords

references

浏览量

1535

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

强噪声背景下动车组轴承微弱故障信号检测

基于蚁群算法和遗传算法融合的QoS组播路由问题求解

基于改进网络模型的大时滞网络拥塞控制算法

无人变电站智能机器人的视觉导航研究