1、“.....而的基本数据单元就是个维数不加限制的矩阵，在这种环境下，用户无需考虑大量有关矩阵算法的复杂运算问题，更不必深入了解相应算法的具体细节，因而利用编程可以节省大量的时间和精力。遗传算法工具箱使用基本功能，为实现广泛遗传算法创建遗传算法工具箱使用基本功能，为实现广泛遗传算法创建了套多用途的工具，它是常规性的收索，主要利用编写文件，这是遗传算法中最主要的功能。遗传算法工具箱函数应用本文运用遗传算法工具箱函数在运行环境下进行程序编写，以达到对参数寻优的目的。下面是对在程序中用到遗传算法工具箱函数的详细说明功能矩阵复制。格式，描述是个低位复制函数，通常不直接应用，被遗传算法工具箱的许多函数调用。执行的是个矩阵的复制，是指定的数值，随后返回个复制的矩阵，。包含了各个方向的复制，指定了垂直方向的复制的数值，指定了水平方向的复制的数值。功能创建个初始种群......”。

2、“.....产生个矩阵，元素中包含随机产生的值。，创建个大小为的随机二进制矩阵，其中指定种群中个体的数量，指定个体的长度，另外可以用来指定染色体矩阵的维数。产生个染色体矩阵，如果是个向量，中元素的值就指定为中染色体的轨迹。在这种情况下，二次争论就忽略了也是返回个染色体结构的长度，和基于染色体轨迹的向量。目的二进制数转化为实值。功能，格式，是把用二进制的表示方法表示种群转化成实值。染色体被看作是已经给出长度的二进制串，用标准二进制或者是灰色二进制解码到实值矩阵。最后的结果矩阵包含着与种群相应的显型。矩阵的结构如下矩阵的行由以下组成，个在染色体中包含每个子串长度的行向量。注意和是包含了每个使用的变量的上，下限范围的行向量。是指定每个子串的解码方式的二进制行向量。选择是标准二进制。选择是灰色二进制......”。

3、“.....选择是算术采样。选择是对数采样。和是指定要不要包含每个表示范围的上下限。选择是从表示范围中排除。把包含在表示范围中。功能按适应度等级排序。格式，描述是根据它们的目标函数值分等级的，返回个包含个体适应度函数值的列向量这个函数按个体等级排序。是个随机的向量，或者参数。是个任意的参数并且在中指定了后代的个数。如果被忽略或者取值为，则。所有在中的后代必须由相同的类型。如果被多余个个体调用，它也将只执行个后代的操作。功能从种群中选择出个体高位选择。格式，描述函数是从种群中选择出个体，返回的是从种群中选择出来的个体，。中的每列和与每个个体相对应。是个串，它包含了低位选择函数的名称，比如或者。是个列向量，它包含了中的个体的适应度。适应值显示每个个体的预期的可能性。是个指定代与代差距的任意的参数，种群的片断被重新生成。如果被忽略或者取值，则......”。

4、“.....也就是说可以产生比父代多的后代。如果由多余个后代组成，就指定了相对于后代的大小的每个后代中的即将被选择的个体的数目。是个参数，它决定了中的后代的数目。如果被忽略或者取值为，则。所有中的后代必须由相同的大小。功能随机全局采样。格式，描述选择中的个体为了根据它们的适应值重新产生，在当前种群中。，从种群中使用随机全局采样来选择个体。是个包含着种群中每个个体的表示方法的列向量。用函数或者取给每个个体分配适应值也可以达到上面的目的。返回值是个用来繁殖而被选择的个体的索引。在它们被选择的规则下，被选择的个体可以通过评价，而被恢复。功能中间重组。格式描述操作是对当前种群中的个体进行中间重组之后在个新遗传算法整定模型在编程时要先设定选择算子交叉算子和变异算子。我在仿真时选择算子为高位选择。交叉算子为中间重组双点交叉。变异算子为高位变异。遗传算法整定的波形如图所示......”。

5、“.....性能指标，由图可以看出采用遗传算法的控制器跟踪速度快，无超调量，稳态误差很小，弥补了传统控制器在调节控制参数上能力的不足，取得了较好的控制效果。图遗传算法仿真曲线小结经过上面的仿真及结果分析，此种遗传算法在参数优化上有较好的寻优能力，对柴油机调速系统的控制效果很好，精度也很高。经过遗传算法优化参数后得出的响应结果好，系统稳定而且无论是系统的响应速度还是超调量都有明显改善，符合要求。结论控制器结构简单，容易实现，且鲁棒性好，因此广泛应用于各种控制领域，并取得了良好的控制效果。遗传算法是目前比较流行的算法之，它寻优功能十分强大，在不需要任何初始信息的情况下就能找到问题的最优解。本文试图将遗传算法和控制结合起来应用于柴油机调速系统，利用遗传算法强大的寻优能力来整定控制中的三个参数，取得了满意的效果。运用遗传算法整定参数时得到的响应曲线如图......”。

6、“.....使要整定的参数精确收敛，从而使控制效果最优。遗传算法虽然可以在多种领域都有实际应用，并且也展示它的潜力和宽广前景。但是，遗传算法还有大量的问题需要研究，目前也还有很多不足之处。首先，在变量多，取值范围大或者无给定搜索范围时，收敛速度下降其次，可以接近最优解附近，但是无法精确确定最优解位置最后，遗传算法的参数选择尚未有定量方法。对于遗传算法，还需要进步研究其数学基础理论，还需要在理论上证明它与其他优化技术的优劣及原因，还需要研究硬件化的遗传算法，以及遗传算法的通用编程的形式等。致谢这次毕业设计圆满的结束了，在这次毕业设计中我学到了许多知识，受益匪浅，而在这个过程中，我始终得到了李小华老师老师的指导。李老师渊博的知识，严谨的治学风范给我以培养，她的为人师表言传身教精益求精的作风给我以教诲，使我学到了许多分析问题的方法，从他们身上......”。

7、“.....我还要感谢我的父母，是他们给了我这次学习的机会，让我的梦想得以实现。另外，还有很多同学也在各个方面给予我支持，在这里我要向大家说声感谢。最后，向在我完成论文的整个过程中，所有关心支持和帮助过我的老师和同学们表示衷心的感谢。参考文献,张磊,于单纯形法控制器的最优设计信息与控制,刘晓谦,王勇,穆顺勇基于单纯形法的控制器参数优化设计,李勇,段正澄,胡伦骥基于粒子群优化算法的液压伺服控制系统参数优化华中科技大学湖北武汉周刘喜,张兴华,李纬基于差分进化算法的优化设计南京工业大学自动化学院,江苏南京郭鹏,韩濮基于神经网络的参数优化方法研究华北电力大学动力系保定,李奇,李世华类神经网络智能控制算法的分析和改进控制与决策卢进，徐文立神经网络并联辨识算法的收敛性研究控制理论与应用张晓楠,方浩,戴冠遗传算法的编码机制研究信息与控制郭庆鼎,李蒙......”。

8、“.....王正茂,等柴油发电机组数字调速系统的设计与分析微电机附录程序清单种群中个体的数目遗传的最大代数变量的个数有多少新个体产生交叉概率变异概率变量精度定义矩阵创建初始群体,代循环适应度分配个体选择交叉操作变异操作插入子代的种群中返回，中的每行和与个个体相对应。只适用于实值变量的种群。染色体成对进行交叉，奇数列和下个偶数列进行交叉，如果旧的染色体矩阵中的列是奇数的话，那么最后列将不进行交叉操作，而把旧的染色体中的最后列加在新染色体中。功能双点交叉。格式，描述操作是在当前种群中的对个体上进行双点交叉根据交叉的可能性，返回个变异之后的新的种群。，包含了当前种群中的染色体，每行与个个体相对应。染色体的各种表示方法都可以应用。是指定了交叉概率的参数。般取交配是由规则决定的奇数行和下个偶数行，如果矩阵是奇数行的话，最后行就不能交配。因此种群组织成临近的需要交配的对......”。

9、“.....功能离散变异操作。格式,描述是对当前种群的个体进行变异操作。之后返回个新的个体。旧种群和新种群的每列都对应个个体。是低位变异函数的名称。是变量的上下限。是变异概率。是个随机参数，表示的是旧染色体中子代的个数。功能在种群中重新插入后代。格式，描述这个函数是往当前种群中重新插入后代，后代被包含在矩阵，父代被包含在矩阵中。和中的每行都对应了个个体。是在和中指定后代数目的函数。如果被忽略或者，则。和中所有的后代必须由相同的大小。是个任意的向量，两个参数中的最大值。数值指定用后代代替父代的选择方法统选择，统用任意的后代来替换父代适应度为基础的选择，后代替换最小适应度的父代如果忽略或者，则。数值包含了在之间当作个片断的每个子代后代的重新插入率。是个包含了中的个体目标函数值的行向量，需要以适应度为基础重新插入。是个包含了中的个体目标函数值的行向量......”。