【优化控制】混沌改进蚁群算法求解船舶锅炉压力控制PID优化问题【含Matlab源码 3497期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、混沌改进蚁群算法求解船舶锅炉压力控制PID优化问题简介

本文的优化算法设计思路为:将混沌优化算法应用到蚁群算法的初始环节中以此设置初始信息素值, 采取变尺度混沌局部再搜索机制和引入混沌扰动的信息素更新策略, 有效克服局部最优的缺点, 提高搜索效率。

基于改进混沌蚁群算法的设计步骤如下:

1. 混沌优化算法初始化, 得到初始混沌路径。初始化蚁群规模数目为Na, 蚂蚁活动范围为[a, b], 引入随机函数以产生混沌映射的初始值x (0) 。通过Logistic映射迭代Na-1次产生混沌序列{X c}, 将混沌序列{X c}中变量分别进行载波映射得到新的混沌序列{Xd}, 上述过程如下:
   
   式 (19) 中, a和b为蚁群搜索范围[a, b]的边界。最后, 将序列{Xd}中Na个新混沌变量利用全排列构造原理构造出Na!条不同的初始混沌路径。

2. 获取初始信息素值。将通过步骤2) 产生的Na!条初始混沌路径代入步骤3) 中航路代价函数, 从中选择前Na个最小值并取倒数, 以此作为改进蚁群算法的信息素初值。

3. 初始化迭代次数u=0, 最大迭代次数为Ncmax。

4. 将Na只蚂蚁均置于起始点, 每只蚂蚁根据式 (11) 所示的启发函数ηij (t) 和信息素浓度函数τij (t) , 按照式 (10) 所示状态转移概率Pik, j (t) 选择下一节点, 直至所有蚂蚁均搜索到目标点, 则输出Na个航路。计算这Na个航路对应的航路代价值, 从中择优得出当前迭代次数u下的最优解。假设当前迭代次数u下的最优解为第t (t∈[1, Na]) 只蚂蚁寻找的路径, 记作Pbest (u, t) , 初始化为Pbest (u, t) 。当迭代次数u≥1时, 满足:
   
   其中, Pbest (u-1, t) 为上一次迭代次数下最优解。

5. 引入变尺度混沌局部再搜索机制, 进行局部再搜索。以上一步骤产生的Pbest (u, t) 为基础, 通过以下2个公式产生ε个在对应于最优解Pbest (u, t) 的搜索点附近具有混沌特性的搜索点集合W, 计算ε个搜索点的航路代价值, 并将它们与Pbest (u, t) 进行比较, 取两者的最小值替换Pbest (u, t) 。这些搜索点的计算公式如下:
   

6. 引入混沌扰动的信息素更新策略, 对上述寻优得到的航路按下式进行全局信息素更新:
   

⛄二、部分源代码

%% 蚁群算法PID控制参数优化
%% 第一步：仿真参数设置
clear
K=20;%迭代次数
N=10;%蚁群规模
Rho=0.95;%信息素蒸发系数，取值0～1之间，推荐取值0.7～0.95
Q=1;%信息素增加强度，大于0，推荐取值1左右
Lambda=0.2;%蚂蚁爬行速度，取值0～1之间，推荐取值0.1～0.5
LB=[2,0.5,0.8];
UB=[3,2,1.6];
Num=[1,2];
Den=[1,2,1];
Delay=0.5;
ts=0.01;
StepNum=1000;
SigType=1;
PIDLB=-10;
PIDUB=10;

%% 第二步：调用蚁群算法
[BESTX,BESTY,ALLX,ALLY]=ACOUCP(K,N,Rho,Q,Lambda,LB,UB,Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB);

%% 第三步：整理输出结果
bestx=BESTX{K};
kp=bestx(1);
ki=bestx(2);
kd=bestx(3);
disp(‘最佳控制参数kp,ki,kd分别为’);
disp(bestx);
[J,u,yout,error]=PIDOBJ(kp,ki,kd,Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB);
time=ts*(1:StepNum);
if SigType1%阶跃信号
rin=ones(1,StepNum);
elseif SigType2%方波信号
rin=sign(sin(22pitime));
elseif SigType==3%正弦波信号
rin=0.5sin(22pi*time);
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]董如意,唐玉玉,桑可可.基于改进粒子群算法的PID控制器参数整定优化[J].吉林化工学院学报. 2022,39(07)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合