表5.21:遗传算法
编号 | 算法/策略名称 | 核心数学描述/控制律 | 关键参数/变量 | 物理意义/控制目标 | 典型应用场景 | 优点与局限 | 关联知识连接点 |
|---|---|---|---|---|---|---|---|
5.21.1 | 遗传算法 | 模拟自然选择与遗传机制。1.编码:将解(如PID参数)编码为染色体(二进制/实数串)。2.适应度评估:计算每个染色体对应解的优劣(如ITAE指标)。3.选择:依适应度概率选择父代。4.交叉:交换父代染色体部分基因,产生子代。5.变异:以小概率改变子代基因。迭代至满足终止条件。 | 种群大小、交叉概率、变异概率、选择策略、最大迭代次数。 | 一种基于种群迭代的全局随机优化算法,旨在搜索复杂、非线性、多峰问题的最优或满意解。 |