基于蚁群算法的PID控制参数优化Matlab源码_优化pid_蚁群pid参数_蚁群算法

基于蚁群算法的PID控制参数优化Matlab源码 function [BESTX,BESTY,ALLX,ALLY]=ACOUCP (K,N,Rho,Q,Lambda,LB,UB,Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB) %% 此函数实现蚁群算法，用于PID控制参数优化 % GreenSim团队原创作品，转载请注明 % Email:greensim@163.com % GreenSim团队主页：http://blog.sina.com.cn/greensim % [color=red]欢迎访问GreenSim——算法仿真团队→[url=http://blog.sina.com.cn/greensim] http://blog.sina.com.cn/greensim[/url][/color] %% 输入参数列表 % K 迭代次数 % N 蚁群规模 % Rho 信息素蒸发系数，取值0～1之间，推荐取值0.7～0.95 % Q 信息素增加强度，大于0，推荐取值1左右 % Lambda 蚂蚁爬行速度，取值0～1之间，推荐取值0.1～0.5 % LB 决策变量的下界，M×1的向量 % UB 决策变量的上界，M×1的向量 % Num 被控制对象传递函数的分子系数向量 % Den 被控制对象传递函数的分母系数向量 % Delay 时间延迟 % ts 仿真时间步长 % StepNum 仿真总步数 % SigType 信号类型，1为阶跃信号，2为方波信号，3为正弦波信号 % PIDLB PID控制输出信号限幅的下限 % PIDUB PID控制输出信号限幅的上限 %% 输出参数列表 % BESTX K×1细胞结构，每一个元素是M×1向量，记录每一代的最优蚂蚁 % BESTY K×1矩阵，记录每一代的最优蚂蚁的评价函数值 % ALLX K×1细胞结构，每一个元素是M×N矩阵，记录每一代蚂蚁的位置 % ALLY K×N矩阵，记录每一代蚂蚁的评价函数值 %% 第一步：初始化 M=length(LB);%决策变量的个数 %蚁群位置初始化 X=zeros(M,N); for i=1:M x=unifrnd(LB(i),UB(i),1,N); X(i,:)=x; end %输出变量初始化 ALLX=cell(K,1);%细胞结构，每一个元素是M×N矩阵，记录每一代的个体 ALLY=zeros(K,N);%K×N矩阵，记录每一代评价函数值 BESTX=cell(K,1);%细胞结构，每一个元素是M×1向量，记录每一代的最优个体 BESTY=zeros(K,1);%K×1矩阵，记录每一代的最优个体的评价函数值 k=1;%迭代计数器初始化 Tau=ones(1,N);%信息素初始化 Y=zeros(1,N);%适应值初始化 %% 第二步：迭代过程 while k<=K YY=zeros(1,N); for n=1:N x=X(:,n); [J,u,yout,error]=PIDOBJ(x(1),x(2),x (3),Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB); YY(n)=J; end maxYY=max(YY); temppos=find(YY==maxYY); POS=temppos(1); %蚂蚁随机探路 for n=1:N if n~=POS x=X(:,n); [J,u,yout,error]=PIDOBJ(x(1),x(2),x (3),Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB); Fx=J; mx=GaussMutation(x,LB,UB); [J,u,yout,error]=PIDOBJ(mx(1),mx(2),mx (3),Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB); Fmx=J; if Fmx<Fx X(:,n)=mx; Y(n)=Fmx; elseif rand>1-(1/(sqrt(k))) Y(n)=Fmx; else X(:,n)=x; Y(n)=Fx; end end end for n=1:N if n~=POS x=X(:,n); [J,u,yout,error]=PIDOBJ(x(1),x(2),x (3),Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB); Fx=J; mx=GaussMutation(x,LB,UB); [J,u,yout,error]=PIDOBJ(mx(1),mx(2),mx (3),Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB); Fmx=J; if Fmx<Fx Y(n)=Fmx; elseif rand>1-(1/(sqrt(k))) X(:,n)=mx; Y(n)=Fmx; else X(:,n)=x; Y(n)=Fx; end end end %朝信息素最大的地方移动 for n=1:N if n~=POS x=X(:,n); r=(K+k)/(K+K); p=randperm(N); t=ceil(r*N); pos=p(1:t); TempTau=Tau(pos); maxTempTau=max(TempTau); pos2=find(TempTau==maxTempTau); pos3=pos(pos2(1)); x2=X(:,pos3(1)); x3=(1-Lambda)*x+Lambda*x2; [J,u,yout,error]=PIDOBJ(x(1),x(2),x (3),Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB); Fx=J; [J,u,yout,error]=PIDOBJ(x(1),x(2),x (3),Num,Den,Delay,ts,StepNum,SigType,PIDLB,PIDUB); Fx3=J; if Fx3<Fx X(:,n)=x3; Y(n)=Fx3; elseif rand>1-(1/(sqrt(k))) X(:,n)=x3; Y(n)=Fx3; else X(:,n)=x; Y(n)=Fx; end end end %更新信息素并记录 Tau=Tau*(1-Rho); maxY=max(Y); minY=min(Y); DeltaTau=(maxY-Y)/(maxY-minY); Tau=Tau+Q*DeltaTau; ALLX{k}=X; ALLY(k,:)=Y; minY=min(Y); pos4=find(Y==minY); BESTX{k}=X(:,pos4(1)); BESTY(k)=minY; disp(k); k=k+1; end