1、“.....甚至可以说控制器完全是在实际工业应用中被发明并逐步完善起来的。值得指出的是，年仪器公司推出的款带有所谓功能的名为的气动控制器以及同时期仪器公司推出的带有所谓功能的气动控制器都是最早出现的具有完整结构的控制器。控制至今仍是应用最广泛的种控制器。各种现代控制技术的出现并没有削弱控制器的应用，相反，新技术的出现对于控制技术的发展起了很大的推动作用。方面，各种新的控制思想不断被应用于控制器的设计之中或者是使用新的控制思想设计出具有结构的新控制器，控制技术被注入了新的活力。另方面，些新控制技术的发展要求更精确的控制，从而刺激了控制器设计与参数整定技术的发展。国际上有些研究文章陈述了当前工业控制的状况，如日本电子测量仪表制造协会在年对过程控制系统做的调查报告。该报告表明以上的控制回路是结构。遗传算法的发展与现状遗传算法就是根据自然界这个物竞天择......”。

2、“.....遗传算法起源于对生物系统所进行的计算机模拟研究。早在本世纪年代，就有学者开始研究如何利用计算机进行生物模拟的技术，他们从生物学的角度进行了生物的进化过程模拟遗传过程模拟等研究工作。进入年代后，美国密执安大学的教授及其学生们受到这种生物模拟技术的启发，创造出了种基于生物遗传和进化机制的适合复杂系统优化计算的自适应概率优化技术遗传算法。年，的学生在博士论文中首次提出遗传算法词。年，在他的博士论文中首次把遗传算法用于函数优化。年出版了自然系统和人工系统的自适应，这是第本系统论述遗传算法的专著。同年，完成了他的博士论文类遗传自适应系统的行为分析。进入八十年代，遗传算法迎来了兴盛发展时期。年，在美国召开了第届遗传算法国际会议，成立了国际遗传算法学会。年，的学生出版了专著搜索优化和机器学习中的遗传算法。同年，美国斯坦福大学的提出了用层次化的计算机程序来表达问题的遗传程序设计方法。年......”。

3、“.....其中包括了遗传算法在工程技术和社会生活中的大量应用实例。年，发表了他的专著遗传程序设计基于自然选择法则的计算机程序设计。年，他又出版了遗传程序设计第二册可重用程序的自动发现深化了遗传程序设计的研究，使程序设计自动化展现了新局面。目前，关于遗传算法研究的热潮仍在持续，越来越多的从事不同领域的研究人员已经或正在置身于有关遗传算法的研究或应用之中。近些年，无论是遗传算法的理论研究还是它的应用研究都成了十分热门的课题。尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。此外些新的理论和方法在应用研究中亦得到了迅速的发展，这些无疑均给遗传算法增添了新的活力。遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新更工程化的应用方面。目前......”。

4、“.....课题研究背景和意义在生产过程自动控制的发展历程中，控制是历史最久生命力最强的基本控制方式。它简单实用，易于实现，适用范围广，鲁棒性好，在现今的工业过程中获得了广泛的应用。但参数优化直是困扰人们的问题，尽管现在已经有许多方法用于参数整定，因为这些方法或多或少都存在着问题，令控制系统达不到理想的控制效果。然而，自然界中的生物却在这方面表现出了其优异的能力，它们能够以优胜劣汰适者生存的自然进化规则生存和繁衍，并逐步产生出对其生存环境适应性很高的优良物种。遗传算法正是借鉴生物的自然选择和遗传进化机制而开发出的种全局优化自适应概率搜索方法。遗传算法使用群体搜索技术，它通过对当前群体施加选择交叉变异等系列遗传操作，从而产生出新代的群体，并逐步使群体进化到包含或接近最优解的状态。它具有思想简单易于实现应用效果明显等优点，在自适应控制组合优化等许多领域得到了广泛的应用......”。

5、“.....该框架不依赖于问题的种类。采用遗传算法进行三即为的原始适应函数。用目标函数变换的方式来定义标准适应度函数标准适应函数将原始适应函数作个适当的变换以转化成标准的度量方式，即都转化为极大化情形，并保证适应值非负。这常常是演化计算中的些选择策略如基于适应值比例的选择策略所需要的。选择算子选择的本质是染色体的复制，它是生物能够保持性状而达到物种稳定的最主要原因。在遗传算法中，选择的作用就像个筛子，它根据个体对于目标函数的适应情况，将高适应值的个体选中，使其基因得以遗传复制到下代，而低适应值的个体染色体则被淘汰。因此选择的本质是筛选，而功能则是定向进化。经过选择算子多次的定向积累，种群中的个体就会迅速向使目标函数值高的区域靠拢，形成高质量解种群。选择算子的形式有很多种，不同的选择算子有不同的性质和适应范围。选择算子主要有比例选择算子最有保存策略排序选择等方式......”。

6、“.....比例选择算子的操作方法的基本思想是各个个体被选中的概率与其适应度大小成正比。其缺点是由于比例选择算子是随机操作，所以选择误差比较大，适应度较高的个体也可能选择不上。最优保存策略最优保存策略是当前群体中适应度最高的个体不参与交叉运算和变异运算，而是用它来替换掉本代群体中经过交叉变异等遗传操作后所产生的适应度最低的个体。其缺点是全局搜索能力不强，容易陷入局部极值中。排序选择方法排序选择方法的主要着眼点是个体适应度之间的大小关系，对个体适应度是否取正值或负值，以及个体适应度之间的数值差异程度并无特别要求。排序选择方法的主要思想是对群体中的所有个体按其适应度大小进行排序，基于这个排序来分配各个个体被选中的概率。交叉算子所谓交叉运算，是指对两个相互配对的染色构按种方式相互交换其部分基因，从而形成两个新的个体。交叉运算是遗传算法区别于其他进化算法的重要特征......”。

7、“.....是产生新个体的主要方法。最常用的交叉算子是单点交叉算子。但单点交叉操作有定的适用范围，故人们发展了其他些交叉算子，如双点交叉多点交叉均匀交叉等。单点交叉算子它是最简单也是最常用的个交叉算子。这种交叉方式首先等概率地随机产生个交叉位，把参与交叉的两个个体的基因从交叉位上切断，接以对方个体的后半部分基因，从而产生了两个新的个体和基因组合。双点交叉与多点交叉双点交叉是指在个体编码串中随机设置了两个交叉点，然后再进行部分基因交换。多点交叉是指在个体编码串中随机设置了多个交叉点，然后进行基因交换。但般不太使用多点交叉算子，因为它有可能破坏些好的模式。均匀交叉均匀交叉是指两个配对个体的每个基因座上的基因都以相同的交叉概率进行交换，从而形成两个新的个体。变异算子变异算子，变异运算是指将个体染色体编码串中的些基因座上的基因值用该基因座上的其他等位基因来替换，从而形成个新的个体......”。

8、“.....维持群体的多样性，防止出现早熟现象。变异算子主要有基本位变异算子，逆转算子，均匀变异等。基本位变异基本位变异操作是指对个体编码串中以变异概率随机指定的位或几位基因座上的基因值作变异运算。基本位变异操作改变的只是个体编码串中的个别几个基因座上的基因值，并且变异发生的概率也比较小，所以其发挥的作用比较慢，作用的效果也不明显。逆转算子逆转算子是通过颠倒个体编码串中随机指定的二个基因座之间的基因排列顺序，来实现变异操作，其目的主要是为了能使遗传算法更有利于生产较好的模式。均匀变异均匀变异算子又叫致变异算子，是指分别用符合范围内均匀分布的随机数，以较小的概率来替换个体编码串中各个基因座上的原有基因值。遗传算法控制参数选取在设计遗传算法时，方面需要针对具体问题选择适当的编码方案及相应的遗传算子另方面需要选择算法的控制参数......”。

9、“.....遗传算法中需要选择的运行参数主要有编码串长度群体大小交叉概率变异概率终止代数等。编码串长度使用二进制编码编来表示个体时，编码除长度的选取与问题所要求的精度有关使用浮点数编码来表示个体时，编码长度与决策变量个数相等。群体大小群体大小表示群体中所含个体的数量。当取值较小时，可提高遗传算法的运算速度，但却降低了群体的多样性，有可能会引起遗传算法的早熟现象而当取值较大时，又会使得遗传算法的运行效率降低。般建议的取值范围是。交叉概率交叉操作是遗传算法中产生新个体的主要方法，所以交叉概率般应取较大值。但若取值过大，它又会破坏群体中的优良模式，对进化运算反而产生不利影响若取值过小，产生新个体的速度又较慢。已经发现较高的交叉概率，会使种群迅速收敛到局部最优值，这不利于全局寻优。般建议的取值范围是。变异概率变异概率取值较大，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......”。