matlab simulink 遗传算法优化模糊pid参数

1、内容简介

略
579-可以交流、咨询、答疑

2、内容说明

略

3、仿真分析

clc;clear all;close all
number_of_variables = 2;
population_size = 60;  % 种群规模（每一代个体数目）
parent_number = 30;    % 每一代中保留的个体数目（除了变异）
mutation_rate = 0.2;        % 变异概率
maximal_generation = 50;  % 最大演化代数
limit = [-5, 5]; % 限制范围
minimal_cost = 1.0e-5; % 最小目标值（函数值越小，则适应度越高）
fitness_function = 'obj';
% nochangenum = 10;
[best_fitness, elite, generation, last_generation] = ...
my_ga2(number_of_variables, 'obj', population_size, ...
parent_number, mutation_rate, maximal_generation, limit, minimal_cost);

% 最佳适应度的演化情况
figure
semilogy(1:generation, best_fitness(1:generation), 'linewidth',2)
xlabel('Generation','fontsize',12);
ylabel('Best Fitness','fontsize',12);
set(gca,'fontsize',12,'ticklength',get(gca,'ticklength')*2);

% 最优解的演化情况
figure
semilogx(1 : generation, elite(1 : generation, :))
xlabel('Generation','fontsize',12);
ylabel('Best Solution','fontsize',12);
set(gca,'fontsize',12,'ticklength',get(gca,'ticklength')*2);

 

 

 

4、参考论文

略