优化算法 智能算法 智能控制技术的特点和应用

优化算法、智能算法、智能控制技术的特点和应用在建立了以频域法为主的经典控制理论的基础上，智能控制技术逐步发展。随着信息技术的进步新方法和新技术进入工程化、产品化阶段。这对自动控制理论技术提出了新的挑战，促进了智能理论在控制技术中的应用。下面介绍了优化算法、智能算法、智能控制技术的特点及应用。

优化算法特点及应用

什么是优化？就是从各种方案中选取一个最好的。从数学角度看，优化理论就是研究如何在状态空间中寻找到全局最优点。优化算法通常用来处理问题最优解的求解，这个问题有多个变量共同决定的优化算法的一个特点往往给出的是一个局部最优解，不是绝对的最优解，或者说全局最优解。一种优化算法是否有用很大程度取决问题本身，如果问题本身就是比较无序的，或许随机搜索是最有效的。常用有3种优化算法:遗传算法、蚁群算法、免疫算法等。

遗传算法是一种基于模拟遗传机制和进化论的并行随机搜索优化算法。遗传算法在控制领域中，已被用于研究离散时问最优控制、方程的求解和控制系统的鲁棒稳定问题等。遗传算法用来训练神经网络权值，对控制规则和隶属度函数进行优化，也可用来优化网络结构。

蚁群算法是群体智能的典型实现，是一种基于种群寻优的启发式搜索算法。蚁群算法小仅能够智能搜索、全局优化，而具有鲁棒性、正反馈、分布式计算、易与其它算法结合等特点。等人将蚁群算法先后应用于旅行商问题、资源二次分配问题等经典优化问题，得到了较好的效果。在动态环境下，蚁群算法也表现出高度的灵活性和健壮性，如在集成电路布线设计、电信路山控制、交通建模及规划、电力系

统优化及故障分析等方面都被认为是目前较好的算法之一。

智能算法的特点及应用

智能计算也有人称之为“软计算”。是人们受生物界的启迪，根据其原理，模仿求解的算法。

智能计算的思想：利用仿生原理进行设计(包括设计算法)。常用的智能算法：1）人工神经网络算法、2）遗传算法、3)模拟退火算法、4）群集智能算法。其应用领域有：神经元和局部电路建模系统神经生物学和神经建模、进化计算、模式识别、信息检索、生物信息学、语音、图像处理、自然语言理解

智能控制技术的特点和应用

在建立了以频域法为主的经典控制理论的基础上，智能控制技术逐步发展。控制技术首先在工业生产中得到了广泛的应用智能控制与传统控制相比，在理论法、应用领域、性能指标等而存在明显的小同，主要表现在:1）在应用领域上，传统控制着重解决不太复杂的过程控制和大系统的控制问题;而智能控制主要解决高度非线性、小确定性和复杂系统控制问题;2）在理论方法上，传统控制理论通常采用定量力法进行处理，而智能控制系统大多采用符号加工的力法;传统控制通常捕获精确知识，而智能控制通常是学习积累的精确知识;传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统;3）在性能指标方面，传统控制有严格的性能指标，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到。

智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等

模糊控制是用机器模拟人对系统的控制，就是在被控对象的模糊模型的基础上运用

模糊控制器近似推理等手段，实现系统控制。

与传统控制相比，模糊推理不需要精确的数学模型，其设计主要建立在相关数据与规则的基础之上，因此适于解决非线性系统的控制问题。而模糊控制的鲁棒性好、自适应性强，适用于时变、时滞系统。

专家控制是将专家系统的理论技术与控制理论技术相结合，仿效专家的经验，实现对系统控制的一种智能控制。

专家控制主要依据知识表示技术确定问题的求解途径，采用知识推理的各种方法求解问题及制订决策。因此他们获取专家知识，并将知识构造成可用的形式就成为研制专家系统的主要“瓶颈”之一;另一方面，专家控制系统是一个动态系统，因此他们在控制过程中自动史新和扩充知识，并满足实时控制的快速准确性需求是非常困难的。以目前的稳定性分析方法很难接用于专家控制系统。

神经网络控制：神经网络模拟人脑神经元的活动，利用神经元之问的联结与权值的分布来表示特定的信息，通过不断修正连接的权值进行自我学习，以逼近理论为依据进行神经网络建模，并接自校正控制、间接自校正控制、神经网络预测控制等力一式实现智能控制。神经网络具有学习能力、并行计算能力和非线性映射能力，在解决高度非线性和严重小确定性系统的控制而具有很大潜力;但是，目前神经网络控制的研究大多仍停留于学仿真和实验室研究阶段，极少用于实际系统的控制。

智能控制技术的集成：控制理论与技术向着两个方向发展:一是理论方法本身研究的深入;二是将不同的方法适当地结合在一起，获得单一方法所难以达到的效果，即智能控制技术的集成。智能控制技术的集成包括两方面:一方面是将几种智能控制方法或机理融合在一起，构成高级混合智能控制系统，如模糊神经控制系统、基于遗传算法的模糊控制系统、模糊专家系统等;另一方面是将智能控制技术与传统控制理论

结合，形成智能复合烈控制器，如模糊控制、神经元控制、模糊滑模控制、神经网络最优控制等。

传统控制无法胜任的控制对象与领域给了智能控制发展的动力与空问，它的未来给人们以无限的遐想。尽管智能控制的理论与一些规则还远末达到完善的地步，很多应用尚停留在实验仿真阶段，但作为交叉学科，随着各个科学理论的不断完善与发展，相信智能控制技术也将不断地发展和充实，并不断渗透到各个应用领域，乃至我们的日常生活中。