新型智能優(yōu)化算法及其在預(yù)測(cè)控制和圖像檢測(cè)中的應(yīng)用.pdf

1、最優(yōu)化概念反應(yīng)了人類(lèi)實(shí)踐活動(dòng)中普遍的現(xiàn)象，即要在其它各個(gè)方面允許的前提下，爭(zhēng)取在可能范圍內(nèi)的獲得最佳效果。因此，最優(yōu)化問(wèn)題成為了現(xiàn)代數(shù)學(xué)的一個(gè)重要課題，并且涉及多種不同學(xué)科，其應(yīng)用涉及系統(tǒng)控制、人工智能、模式識(shí)別、生產(chǎn)調(diào)度和計(jì)算機(jī)工程等各個(gè)領(lǐng)域。優(yōu)化技術(shù)作為一個(gè)重要的學(xué)科分支，受到了眾多學(xué)者的關(guān)注。近年來(lái)，涌現(xiàn)出一批經(jīng)典算法和啟發(fā)式優(yōu)化算法，成為了研究人員關(guān)注的熱點(diǎn)，其中主要包括自適應(yīng)動(dòng)態(tài)規(guī)劃(ADP)、神經(jīng)網(wǎng)絡(luò)算法(NN)、遺傳算法(

2、GA)、模擬退火算法(SA)、禁忌搜索算法(TS)、粒子群優(yōu)化算法(PSO)、混沌優(yōu)化算法(COA)等。本論文主要研究了幾種新型的智能優(yōu)化算法，并將它們應(yīng)用到了預(yù)測(cè)控制和圖像檢測(cè)領(lǐng)域。主要研究?jī)?nèi)容有以下三個(gè)方面：
　　 第一，新型預(yù)測(cè)控制算法的研究。文章提出了兩種新型的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制算法和一種基于粒子群優(yōu)化的模型預(yù)測(cè)控制策略。首先，兩種新型的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制策略，一種是通過(guò)改進(jìn)優(yōu)化目標(biāo)函數(shù)得到的，另一種，則是將一種新型的混沌粒

3、子群優(yōu)化算法(CPSO)引入進(jìn)來(lái)，用來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)和作為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制中的優(yōu)化控制器。接下來(lái)，提出了一種新型的基于粒子群優(yōu)化的模型預(yù)測(cè)控制(MPC)策略，將混沌粒子群優(yōu)化算法應(yīng)用到模型預(yù)測(cè)控制中，用以解決帶有約束的優(yōu)化問(wèn)題。對(duì)于新型的控制算法，都引入了實(shí)際的系統(tǒng)來(lái)進(jìn)行仿真試驗(yàn)，并通過(guò)仿真結(jié)果，驗(yàn)證了算法的有效性。
　　 第二，新型數(shù)據(jù)驅(qū)動(dòng)控制策略的研究。文章首先通過(guò)改進(jìn)一種基于同步擾動(dòng)隨機(jī)逼近(SPSA)的數(shù)據(jù)驅(qū)動(dòng)控制方法的優(yōu)

4、化目標(biāo)函數(shù)，從而得到了更加有效的新型數(shù)據(jù)驅(qū)動(dòng)控制策略。接下來(lái)，提出了一種基于自適應(yīng)動(dòng)態(tài)規(guī)劃(ADP)的數(shù)據(jù)驅(qū)動(dòng)控制算法。ADP和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制的概念被同時(shí)引入進(jìn)來(lái)，動(dòng)態(tài)規(guī)劃用于優(yōu)化調(diào)整控制器參數(shù)，而預(yù)測(cè)控制的概念則被用來(lái)改進(jìn)整個(gè)控制器的結(jié)構(gòu)。最后，這兩種新型的數(shù)據(jù)驅(qū)動(dòng)控制算法都被應(yīng)用到非線性系統(tǒng)的跟蹤控制問(wèn)題上，并通過(guò)仿真實(shí)驗(yàn)，驗(yàn)證了它們的有效性。
　　 第三，新型智能優(yōu)化算法的研究及其在圖像檢測(cè)中的應(yīng)用。首先，是基于子種群的