基于克隆选择算法的优化迭代学习控制 (2008年)

将改进的克隆选择算法用于求解迭代学习控制中的优化问题，提出一种基于克隆选择算法的优化迭代学习控制。通过一个特殊设计的高斯变异操作，采用实数编码的克隆选择算法不但可以解决迭代学习控制中的非最小相位和非线性问题，而且可以很好地处理系统输入的约束问题。此外，由于更多的先前信息被编码进克隆选择算法中，减小了搜索空间，从而大幅提高了算法的收敛速度。仿真结果表明，对于所选线性和非线性被控对象该策略都能够取得满意的收敛效果。