理较大，虽然能够产生出较多的新个体，但也有可能破坏掉很多较好的模式，使得遗传算法的性能近似于随机搜索算法的性能若变异概率取值太小，则变异操作产生新个体的能力和抑制早熟现象的能力就会较差。般建议的取值范围是。终止代数终止代数是表示遗传算法运行结束条件的个参数，它表示遗传算法运行到指定的进化代数之后就停止运行，并将当前群体中的最佳个体作为所求问题的最优解输出。算法参数是影响算法性能和效率的关键，如何确定最优参数使算法性能最佳，本身就是个复杂的优化问题。遗传算法的仿真验证利用遗传算法求函数的极大值,,该函数有两个局部极大点，分别是,和,，其中后者为全局最大点。求解该问题遗传算法的构造过程确定决策变量和约束条件。建立优化模型。确定编码方法。用长度为位的二进制编码串来分别表示二个决策变量。位二进制编码串可以表示从到之间的个不同的数，故将的定义域离散化为个均等的区域，包括两个端点在内共有个不同的离散点。从离散点到离散点，依次让它们分别对应于从到之间的二进制编码。再将分别表示的两个位长的二进制编码串连接在起，组成个位长的二进制编码串，就构成了这个函数优化问题的染色体编码方法。使用这种编码方法，解空间和遗传算法的搜索空间就具有对应的关系。例如就表示个个体的基因型，其中前位表示，后位表示。确定编码方法。解码时需要将位长的二进制编码串切断为两个位长的二进制编码串，然后分别将它们转换为对应的十进制整数代码，分别标记为和。依据个体编码方法和对定义域的离散化方法可知，将代码转换为变量的解码公式为，例如对个体，它由两个代码组成，上述两个代码经过解码后，可得到两个实际的值，确定个体评价方法。由于函数的值域总是非负的，并且优化目标是求函数的最大值，故可将个体的适应度直接取为对应的目标函数值，即,选取个体适应度的倒数作为目标函数设计遗传算子选择运算使用比例选择算子，交叉运算使用单点交叉算子，变异运算使用基本位变异算子。确定遗传算法的运行参数群体大小，终止进化代数，交叉概率，变异概率。按照上述步骤求函数的极大值的程序参见附录。经过步迭代，最佳样本为，所以当,时，此函数取得极大值，为。仿真结果目标函数和适应度函数的优化过程如图，所示。运行结果显示在第代的时候，第二代的时候就达到最小值，此时，。由此可见，遗传算法对函数的优化与随机选取的初始群体无关，而是以目标函数值作为搜索信息，收敛速度快。图目标函数的优化过程图适应度函数的优化过程基于遗传算法的参数优化总体实现根据第二第三章所述的控制原理遗传算法的原理及应用步骤，本模型采用数字控制的位置式控制算法遗传算法的部分采用常用的二进制编码方法进行编码，采用最常用和最基本的三种遗传算子比例选择算子单点交叉算子和基本位变异算子进行遗传优化操作。由此，设计出本模型的总体设计框图，如图所示。图基于遗传算法整定的控制总体实现框图结束输出最优解满足终止条件基本位变异算子单点交叉算子比例选择算子选取初始种群参数的确定及表示适应度函数的确定开始具体实现参数的确定及表示参数的取值范围为，的取值范围为，。选取二进制串来表示每个参数，编码串长度选为。再把个长度为的二进制串连接起来就组成个长度为的二进制字串，该字串为遗传算法可以操作的对象。选取初始种群本课题遗传算法中使用的样本个数为，终止进化代数为，交叉概率和变异概率分别为，。种群初始化是产生与群体大小数目相同的个数的染色体在程序中，维数组构成个染色体，，数组构成个初始种群。因为需要编程来实现各过程，所以采用计算机随机产生初始种群。用函数来产生行列的个矩阵，再用函数对矩阵中的每个数取整，即先产生之间均匀分布的随机数，然后规定产生的随机数之间代表，之间代表。适应度函数的确定根据控制器的原理和遗传算法的实现，本模型采用二进制编码，采用误差绝对值时间积分性能指标作为参数选择的最小目标函数。为了防止控制能量过大，在目标函数中加入控制输入的平方项。选用下式作为参数选取的最优指标式中，为系统误差，为控制器输出，为上升时间，为权值。为了避免超调为被控对象输出。取,,,。所以，个体的适应度函数为选择部分实现根据目标函数求出每个个体的相对适应度，利用函数和函数对每个个体的相对适应度降序排列，然后计算每个个体的累积概率，第量的心血。我还要感谢信息科学与工程学院的领导和电子信息科学与技术专业的所有老师，是他们教会我专业知识，并在我遇到困难时给于我关心和帮助。没有他们的帮助，我不可能在今年毕业。在此，我对他们表示由衷的感谢,最后，感谢我至亲至爱的家人朋友，以及亲爱的同学。有了他们的帮助支持和鼓励，我的毕业设计才得以完成。参考文献刘金琨先进控制应用第二版北京电子工业出版社，周明，孙树栋遗传算法原理及应用北京国防工业出版社，陈国良，王煦法，庄镇泉，王东生遗传算法及其应用北京人民邮电出版社，王非，冯冬青，马雁基于改进遗传算法的参数优化研究中文核心期刊微计算机信息测控自动化顾毅，刘新国基于遗传算法的控制器的研究信息技术李瑞霞，李粉霞基于改进遗传算法的参数整定策略机械工程与自动化叶军，张新华基于改进遗传算法的控制器设计控制工程苗广祥，冯玉昌，陈卫，陆剑飞基于种改进遗传算法的参数优化仿真仪器仪表用户毛敏，于希宁基于遗传算法的参数优化方法电力自动化王琛，王仕成基于遗传算法的参数整定及仿真计算机仿真刘禾，段泉圣，李农庄，周茵基于遗传算法的参数整定与优化华北电力大学学报席玉棕基于遗传算法的参数整定与优化工程建设与设计丁寅磊，吕丽霞基于遗传算法的控制器参数优化研究仪器仪表用户谢勤岚，陈红基于遗传算法的控制器优化设计光学与光电技术牛理想，扈晓利，王高平基于遗传算法寻优的控制及仿真测试测量技术魏克新，王云亮，陈志敏，高强语言与自动控制系统设计第版北京机械工业出版社，张瑞丰精通北京中国水利水电出版社，何东健，刘忠超，范灵燕基于的控制器参数整定及仿真西安科技大学学报杨智，朱海锋，黄以华控制器设计与参数整定方法综述化工自动化及仪表张松艳选择算子与遗传算法的计算效率分析宁波大学学报工版了该系统由防盗防入侵报警系统电视监控系统出入口控制系统巡更管理系统访客与报警系统车库管理系统和通信系统个子系统组成规定了各类入侵探测器摄像机云台解码器监视器对讲设备巡更信息钮开关读卡机感应线圈机架主控制设备台的安装要求施工规范和验收标准。同时分别规定了上述各子系统单体设备及系统的调试和验收的基本要求顺序技术验收和系统验收标准。四智能化建筑通讯自动化系统规范规定了该系统的安装调试验收的工作流程，包括对设备安装系统调试交验初验测试移交割接准备割接试运转验收测试等内容，其他项目均按建筑智能化系统验收标准进行系统验收测试和最终验收。其中，设备安装的要求包括机柜机台外围终端设备配线架信息插座线缆终端光纤芯线终端端站天线及其防雷接地电源设备等系统测试和初验测试包括光缆线路光缆传输设备远端模块程控用户交换机接入网设备数字数据网节点机会议电视系统端站通讯电源直流电源结构化布线的测试和初验项目及标准。五火灾自动报警及联动控制系统规范明确了各类火灾报警探测器报警按钮接口模块输入输出切换隔离等报警控制器楼层显示器等设备的安装要求主备电源的调试火灾自动报警功能的检查探测器的报警测试以及控制设备的联动调试，包括消火栓系统喷水灭火系统泡沫及干粉灭火系统及联动控制设备包括消防电源切换电梯防火卷帘门空调机防火门防烟与排烟风机等报警及通讯检测和系统验收测试项目抽检范围以及验收标准。六办公自动化系统规范确定了智能化建筑办公自动化系统的模型，规定了计算机网络系统的安装和测试，包括交换机广域网接入设备路由器网络集线器网络软件的安装与测试计算机外围设备的安装与测试应用软件的安装验收和系统测试以及系统验收内容方法单项合格及综合合格的判定依据。验收质量控制设计阶段的质量控制检查并确认各子系统的系统设计技术设计功能描述设备选型，必须达到合同业主及功能需求分析的要求根据确定的工程界面，检查各专业子系统之间技术交接互提资料是否达到要求，包括功能信号匹配设备配置逻辑关系等检查受控对象的设计管线到位情况，确保双方信号接口界面功能达到设计要求对设计图纸进行全面审核，确保设备清单监控点表与施工图三者致。二施工工程质量的控制按相关的施工及验收规范分阶段进行质量控制，并严格执行依据施工工艺框图制定的质量保证体系按施工工艺要点做好单体设备安装的质量检查做好电管线槽电缆敷设及隐蔽工程的施工记录和验收按设计和产品技术说明书的要求，做好单体设备的测试并填写调试记录。三系统调试系统调试前进行文档检查，根据设计规范合同的要求编制调试大纲，经审查确认后组织实施记录检查确认各项测试数据，若发现问题及时处理，并经相关部门确认严格按规范和调试大纲的要求进行检查。智能化工程的结算以及审计智能化工程结算阶段的主要工作工程竣工阶段的工作是关系到整个项目顺利完成的关键节点，对于施工单位来说尤为重要。因为竣工结算工作的顺利与否直接关系到项目利润，所以许多施工单位都对该阶段的工作较为重视，往往会派专业的技术商务人员赶赴现场，协助项目部人员做竣工理较大，虽然能够产生出较多的新个体，但也有可能破坏掉很多较好的模式，使得遗传算法的性能近似于随机搜索算法的性能若变异概率取值太小，则变异操作产生新个体的能力和抑制早熟现象的能力就会较差。般建议的取值范围是。终止代数终止代数是表示遗传算法运行结束条件的个参数，它表示遗传算法运行到指定的进化代数之后就停止运行，并将当前群体中的最佳个体作为所求问题的最优解输出。算法参数是影响算法性能和效率的关键，如何确定最优参数使算法性能最佳，本身就是个复杂的优化问题。遗传算法的仿真验证利用遗传算法求函数的极大值,,该函数有两个局部极大点，分别是,和,，其中后者为全局最大点。求解该问题遗传算法的构造过程确定决策变量和约束条件。建立优化模型。确定编码方法。用长度为位的二进制编码串来分别表示二个决策变量。位二进制编码串可以表示从到之间的个不同的数，故将的定义域离散化为个均等的区域，包括两个端点在内共有个不同的离散点。从离散点到离散点，依次让它们分别对应于从到之间的二进制编码。再将分别表示的两个位长的二进制编码串连接在起，组成个位长的二进制编码串，就构成了这个函数优化问题的染色体编码方法。使用这种编码方法，解空间和遗传算法的搜索空间就具有对应的关系。例如就表示个个体的基因型，其中前位表示，后位表示。确定编码方法。解码时需要将位长的二进制编码串切断为两个位长的二进制编码串，然后分别将它们转换为对应的十进制整数代码，分别标记为和。依据个体编码方法和对定义域的离散化方法可知，将代码转换为变量的解码公式为，例如对个体，它由两个代码组成，上述两个代码经过解码后，可得到两个实际的值，确定个体评价方法。由于函数的值域总是非负的，并且优化目标是求函数的最大值，故可将个体的适应度直接取为对应的目标函数值，即,选取个体适应度的倒数作为目标函数设计遗传算子选择运算使用比例选择算子，交叉运算使用单点交叉算子，变异运算使用基本位变异算子。确定遗传算法的运行参数群体大小，终止进化代数，交叉概率，变异概率。按照上述步骤求函数的极大值的程序参见附录。经过步迭代，最佳样本为，所以当,时，此函数取得极大值，为。仿真结果目标函数和适应度函数的优化过程如图，所示。运行结果显示在第代的时候，第二代的时候就达到最小值，此时，。由此可见，遗传算法对函数的优化与随机选取的初始群体无关，而是以目标函数值作为搜索信息，收敛速度快。图目标函数的优化过程图适应度函数的优化过程基于遗传算法的参数优化总体实现根据第二第三章所述的控制原理遗传算法的原理及应用步骤，本模型采用数字控制的位置式控制算法遗传算法的部分采用常用的二进制编码方法进行编码，采用最常用和最基本的三种遗传算子比例选择算子单点交叉算子和基本位变异算子进行遗传优化操作。由此，设计出本模型的总体设计框图，如图所示。图基于遗传算法整定的控制总体实现框图结束输出最优解满足终止条件基本位变异算子单点交叉算子比例选择算子选取初始种群参数的确定及表示适应度函数的确定开始具体