遗传算法进行自抗扰控制器参数整定_adrc参数_parametertuning_算法自抗扰_ADRC遗传算法_ADRC参数整定_

% 主程序 %遗传算法主程序 %Name:genmain.m %author：郑伟 国防科技大学三院六队 %hotflying@126.com clear clf %%初始化 popsize=50; %群体大小,需要修改 chromlength=115; %字符串长度（个体长度），自抗扰参数太多应该取得更长 pc=0.6; %交叉概率 pm=0.001; %变异概率 % pop=initpop(popsize,chromlength); %随机产生初始群体，随即种群，各种参数都随机得到 %%开始迭代 N=200; %N为迭代次数 for i=1:N % time_output=1 %设置好仿真时间 % open_system('PI20110527position'); % set_param('PI20110527position','MaxStep','0.01');%设置一些必要的参数，这里以最大步长为例 % [T1 X Y1 Y2]=sim('PI20110527position',time_output,[],[]);%执行仿真给出out1的结果，T是时间，Y是值 for j=1:popsize pop =initpop(1,chromlength); %随机产生初始群体，随即种群，各种参数都随机得到 temp1=decodechrom(pop ,1,10); %将pop每行转化成十进制数 temp2=decodechrom(pop ,11,10); temp3=decodechrom(pop ,21,10); temp4=decodechrom(pop ,31,15); temp5=decodechrom(pop ,46,20); temp6=decodechrom(pop ,66,10); temp7=decodechrom(pop ,76,10); temp8=decodechrom(pop ,86,10); temp9=decodechrom(pop ,96,10); temp10=decodechrom(pop ,106,10); r=temp1*1024/2047; %将二值域中的数转化为变量域的数 T=temp2/2047; beta01=temp3*1000/2047; beta02=temp4*1000/32767; beta03=temp5*1000/2097151; alpha1=temp6*100/2047; alpha2=temp7*100/2047; beta1=temp8*100/2047; beta2=temp9*100/2047; b=temp10*1000/2047; c=1/b; [objvalue]=calobjvalue(pop); %计算目标函数 end fitvalue=calfitvalue(objvalue); %计算群体中每个个体的适应度,目标函数值的倒数（误差越小，适应度值越小，越适用） [newpop]=selection(pop,fitvalue); %复制 [newpop]=crossover(pop,pc); %交叉 [newpop]=mutation(pop,pm); %变异 [bestindividual,bestfit]=best(pop,fitvalue); %求出群体中适应值最大的个体及其适应值 y(i)=max(bestfit); %储存最优个体适应值 n(i)=i; pop5=bestindividual; %储存最优个体 %解码 % x1(i)=-1+decodechrom(pop5,1,chromlength/2)*3/32767; % % x2(i)=-100+decodechrom(pop5,chromlength/2+1,chromlength/2)*200/32767; pop=newpop; %将新产生的种群作为当前种群 end %%绘图 figure(1) %最优点变化趋势图 i=1:N plot(y(i),'-r*') xlabel('迭代次数'); ylabel('最优个体适应值'); title('最优点变化趋势'); legend('最优点'); grid on figure(2) %最优点变化趋势图 i=1:N z(i)=2+x1(i).*sin(10*pi*x1(i)); plot(x1(i),z(i),'-b*','Linewidth',2) xlabel('迭代最大值所得点x(i)'); ylabel('迭代所得对应函数最值'); title('最优点变化趋势'); legend('最优点'); grid on [ymax index]=max(y); %计算最大值及其位置 xmax=[x1(index)] %计算最大值对应的x值 ymax