不断发展的海拔机器人
指示
。
。
。
本研究的目的是设计一种没有预定数学模型的飞行控制系统，而是使用遗传算法来维持最佳高度。 该研究是通过定量的经验研究方法完成的。 在进行研究的过程中，我们发现编程遗传算法对于新手用户来说很麻烦。 因此，我们创建并发布了一个名为EasyGA的开源Python软件包。
在试验过程中使用了15条染色体和100世代的初始种群。 该设备的调节值具有1秒的关联基因值。 当几百代人的试验完成后，机器学习就实现了。 请参考图表以了解更多信息。 初步结果表明，无需使用预先确定的数学模型就可以实时优化一个DOF设备。
实验数据：
琳达：
所有39个试验的总代适应度。
所有试运行的每一代的最低值染色体。
凯尔：
所有36个试验的总代适应度。
所有试运行的每一代的最低值染色体。
杰夫：
所有47个试验的总代适应度。
所有试运行的每一代的最低值染色体。
