【控制】基于遗传算法优化模糊控制附Matlab代码

✅作者简介：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：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机

⛄ 内容介绍

介绍了用遗传算法优化模糊控制规则的方法,包括目标函数的确定,选择、交叉等遗传算子的确定.给出了如何用MATLAB编程实现算法的具体步骤,最后将所得的规则用于设计模糊控制器,并进行仿真,取得了很好的效果.

⛄ 部分代码

clear all;

close all;

global rin yout timef

G=50;

Size=30;

CodeL=10;

MinX(1)=zeros(1);

MaxX(1)=10*ones(1);

MinX(2)=zeros(1);

MaxX(2)=30*ones(1);

MinX(3)=zeros(1);

MaxX(3)=100*ones(1);

MinX(4)=-0.5*ones(1);

MaxX(4)=0.5*ones(1);

MinX(5)=-0.5*ones(1);

MaxX(5)=0.5*ones(1);

MinX(6)=-0.5*ones(1);

MaxX(6)=0.5*ones(1);

MinX(7)=-0.5*ones(1);

MaxX(7)=0.5*ones(1);

MinX(8)=-0.5*ones(1);

MaxX(8)=0.5*ones(1);

MinX(9)=-0.5*ones(1);

MaxX(9)=0.5*ones(1);

MinX(10)=-0.5*ones(1);

MaxX(10)=0.5*ones(1);

MinX(11)=-0.5*ones(1);

MaxX(11)=0.5*ones(1);

E=round(rand(Size,11*CodeL));    %Initial Code!

BsJ=0;

for kg=1:1:G

    time(kg)=kg;

    for s=1:1:Size

        m=E(s,:);

        y1=0;y2=0;y3=0;y4=0;y5=0;y5=0;y6=0;y7=0;y8=0;y9=0;y10=0;y11=0;y12=0;

        m1=m(1:1:CodeL);

        for i=1:1:CodeL

            y1=y1+m1(i)*2^(i-1);

        end

        Kfuzzy(s,1)=(MaxX(1)-MinX(1))*y1/1023+MinX(1);

        m2=m(CodeL+1:1:2*CodeL);

        for i=1:1:CodeL

            y2=y2+m2(i)*2^(i-1);

        end

        Kfuzzy(s,2)=(MaxX(2)-MinX(2))*y2/1023+MinX(2);

        m3=m(2*CodeL+1:1:3*CodeL);

        for i=1:1:CodeL

            y3=y3+m3(i)*2^(i-1);

        end

        Kfuzzy(s,3)=(MaxX(3)-MinX(3))*y3/1023+MinX(3);

        m4=m(3*CodeL+1:1:4*CodeL);

        for i=1:1:CodeL

            y4=y4+m4(i)*2^(i-1);

        end

        Kfuzzy(s,4)=(MaxX(4)-MinX(4))*y4/1023+MinX(4);

        m5=m(4*CodeL+1:1:5*CodeL);

        for i=1:1:CodeL

            y5=y5+m5(i)*2^(i-1);

        end

        Kfuzzy(s,5)=(MaxX(5)-MinX(5))*y5/1023+MinX(5);

        m6=m(5*CodeL+1:1:6*CodeL);

        for i=1:1:CodeL

            y6=y6+m6(i)*2^(i-1);

        end

        Kfuzzy(s,6)=(MaxX(6)-MinX(6))*y6/1023+MinX(6);

        m7=m(6*CodeL+1:1:7*CodeL);

        for i=1:1:CodeL

            y7=y7+m7(i)*2^(i-1);

        end

        Kfuzzy(s,7)=(MaxX(7)-MinX(7))*y7/1023+MinX(7);

        m8=m(7*CodeL+1:1:8*CodeL);

        for i=1:1:CodeL

            y8=y8+m8(i)*2^(i-1);

        end

        Kfuzzy(s,8)=(MaxX(8)-MinX(8))*y8/1023+MinX(8);

        m9=m(8*CodeL+1:1:9*CodeL);

        for i=1:1:CodeL

            y9=y9+m9(i)*2^(i-1);

        end

        Kfuzzy(s,9)=(MaxX(9)-MinX(9))*y9/1023+MinX(9);

        m10=m(9*CodeL+1:1:10*CodeL);

        for i=1:1:CodeL

            y10=y10+m10(i)*2^(i-1);

        end

        Kfuzzy(s,10)=(MaxX(10)-MinX(10))*y10/1023+MinX(10);

        m11=m(10*CodeL+1:1:11*CodeL);

        for i=1:1:CodeL

            y11=y11+m11(i)*2^(i-1);

        end

        Kfuzzy(s,11)=(MaxX(11)-MinX(11))*y11/1023+MinX(11);

        

        %****** Step 1 : Evaluate BestJ ******

        Kfuzzyi=Kfuzzy(s,:);

        [Kfuzzyi,BsJ]=mychap5_2f(Kfuzzyi,BsJ);

        BsJi(s)=BsJ;

    end

    [OderJi,IndexJi]=sort(BsJi);

    BestJ(kg)=OderJi(1);

    BJ=BestJ(kg);

    Ji=BsJi+1e-10;

    fi=1./Ji;

    %  Cm=max(Ji);

    %  fi=Cm-Ji;        %Avoiding deviding zero

    [Oderfi,Indexfi]=sort(fi);          %Arranging fi small to bigger

    %   Bestfi=Oderfi(Size);               %Let Bestfi=max(fi)

    %   BestS=Kpid(Indexfi(Size),:);       %Let BestS=E(m), m is the Indexfi belong to max(fi)

    Bestfi=Oderfi(Size);           % Let Bestfi=max(fi)

    BestS=E(Indexfi(Size),:);      % Let BestS=E(m), m is the Indexfi belong to max(fi)

    kg

    BJ

    BestS;

    %****** Step 2 : Select and Reproduct Operation******

    fi_sum=sum(fi);

    fi_Size=(Oderfi/fi_sum)*Size;

    fi_S=floor(fi_Size);        %Selecting Bigger fi value

    kk=1;

    for i=1:1:Size

        for j=1:1:fi_S(i)        %Select and Reproduce

            TempE(kk,:)=E(Indexfi(i),:);

            kk=kk+1;              %kk is used to reproduce

        end

    end

    %************ Step 3 : Crossover Operation ************

    pc=0.60;

    n=ceil(100*rand);

    for i=1:2:(Size-1)

        temp=rand;

        if pc>temp                 %Crossover Condition

            for j=n:1:100

                TempE(i,j)=E(i+1,j);

                TempE(i+1,j)=E(i,j);

            end

        end

    end

    TempE(Size,:)=BestS;

    E=TempE;

    %************ Step 4: Mutation Operation **************

    %pm=0.001;

    pm=0.001-[1:1:Size]*(0.001)/Size; %Bigger fi, smaller pm

    %pm=0.0;    %No mutation

    %pm=0.1;    %Big mutation

    for i=1:1:Size

        for j=1:1:3*CodeL

            temp=rand;

            if pm(i)>temp               %Mutation Condition

                if TempE(i,j)==0

                    TempE(i,j)=1;

                else

                    TempE(i,j)=0;

                end

            end

        end

    end

    %Guarantee TempE(Size,:) belong to the best individual

    TempE(Size,:)=BestS;

    E=TempE;

    %*******************************************************

end

Bestfi

BestS

Kfuzzyi

Best_J=BestJ(G)

figure(1);

plot(time,BestJ);

xlabel('Times');ylabel('Best J');

figure(2);

plot(timef,rin,'r',timef,yout,'b');

xlabel('Time(s)');ylabel('rin,yout');

⛄ 运行结果

​⛄ 参考文献

[1]张乃尧. 用遗传算法优化模糊控制器的隶属度参数[J]. 电气自动化, 1996, 18(1):3.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除