搜索资源列表
Intelligent-controller
- PID控制算法简单、鲁棒性强，但其参数整定过程繁琐，整定时需要控制对象的精确数学模型，而且整定往往是针对某一种具体工况进行的，缺乏自学习和自适应能力。模糊神经网络则兼备了模糊逻辑和神经网络的优点，具有函数逼近功能，具有较强的自适应、自学习能力、容错能力和泛化能力。借助于遗传算法对全局性参数进行优化设计，借助于BP算法对局部性参数进行优化，将模糊神经网络和遗传算法引入PID控制参数的整定过程，构造出一种基于模糊神经网络和遗传算法的智能PID控制器-Intelligent controller ba
Genetic-Algorithm-for-Function-Max
- 遗传算法求解函数最大值,本文将用一个详细的例子来说明用遗传算法解一个简单参数优化问题的过程。这里求解的是一个函数的最大值的问题。-Genetic algorithm function maximum, this article will use an example to illustrate in detail the genetic algorithm for solving the problem with a simple parameter optimization process.
简单函数优化的遗传算法程序
- 遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。(Genetic algorithm (GA) is a random search and optimization method based on biological natural selection and genetic mechanism.)
粒子群优化算法
- 粒子群优化（PSO）是一种进化计算技术（进化计算）。 捕食鸟行为的研究。粒子群算法（PSO）的基本思想是通过群体中个体之间的协作和信息共享找到最优解。 粒子群优化算法的优点是它简单且易于实现，没有多个参数。目前，它已广泛应用于函数优化、神经网络训练、模糊系统控制等遗传算法中。(The particle swarm optimization (PSO:Particle swarm optimization) is an evolutionary computing technology (Ev
基于遗传算法的PID参数优化
- PID控制一直是工业生产过程中应用最为广泛而且最为成熟的一种控制，它以其算法简单、可靠性高、鲁棒性好等优点应用于工业控制领域。PID 控制器有三个参数：比例、积分和微分系数，当PID结构确定的情况下，这三个参数将会决定控制器的品质，参数的调节和优化至关重要