萤火虫算法是一类新颖、简单和执行效率较高的群智能优化算法， 江门登高车,  江门登高车出租,  江门登高车租赁   萤火虫算法是受萤火虫种群发出荧光进行个体间信息交流机制启发而提出。本文针对萤火虫算法的改进和其在登高车ＰＩＤ控制器参数整定的应用问题进行了较为深入的探讨。本文的主要研究内容如下：

    （１）综述了萤火虫算法的发展历史和研究现状，登高车ＨＤ控制的研究现状。

    （２）提出一种基于位置均值的萤火虫算法（ＬＭ－ＦＡ）。在ＬＭ－ＦＡ算法中采用了基于反比例函数的吸引度值计算方法，将萤火虫位置向量绝对值的均值作为系数。为利用萤火虫亮度值，将萤火虫间的亮度差和萤火虫种群的平均亮度的比值作为另外一个系数。在ＬＭ－ＦＡ算法中采用随机变步长系数，步长系数从两个不同范围的均匀分布中采样，然后根据适应度函数大小选择最优的步长系数。通过对一些典型测试函数的寻优实验，表明算法在无约束优化问题中有良好的寻优性能。采用双ＰＩＤ位置控制器，使用台车的当前位置确定两个ＰＩＤ控制器的权重。将ＬＭ－ＦＡ算法应用于双ＰＩＤ控制器参数整定。二维登高车的仿真实验表明优化得到的ＰＩＤ控制器参数能够保证台车快速到达目标位置同时有效抑制摆角。双ＰＩＤ位置控制器的控制效果好于单ＰＩＤ位置控制器。

      （３）提出一种基于适应度值的局部搜索萤火虫算法（ＬＳ－ＦＡ）。在ＬＳ－ＦＡ算法中对萤火虫亮度值进行排序，萤火虫飞向亮度值和自己接近的萤火虫。在ＬＳ－ＦＡ算法中使用萤火虫种群的距离矩阵方差和目标函数值的变化趋势去判断算法是否陷入局部最优不能跳出。如果陷入局部最优，重新初始化部分萤火虫个体，可以使算法在达到目标迭代次数前保证对搜索空间的搜索。通过一些典型测试函数的寻优实验表明了所提算法的有效性。使用登高车实验装置进行仿真实验，实验表明双ＰＩＤ位置控制器控制效果好于单ＰＩＤ位置控制器。

       江门登高车,  江门登高车出租,  江门登高车租赁  http://www.zhuhaiyuntichechuzu.com/

        大量工程领域和研究领域的问题都可以通过转化成优化问题来解决。优化问题可以粗略地分为连续和离散两类。对于可微的优化问题，一般是基于梯度的方法求解。基于梯度的方法容易陷入局部最优，导致求得的解不一定能满足应用的要求。对于离散的优化问题，没有统一的优化方法，常用的方法包括动态规划等。上述方法对使用者的数学要求较高。智能优化算法是启发式优化算法，能够用于优化连续问题和离散问题。智能优化算法的优势包括两个方面，一是算法简单，易于推广和应用；二是良好的算法收敛性和搜索能力，优化问题较容易取得满意结果。智能优化算法产生时间比较晚。１９７５年，霍兰教授提出了遗传算法，开启了对自然界智能行为的研究，并从中受到启发，不断提出新的智能优化算法。优化算法的核心是对待优化问题搜索空间的搜索策略。近年来，对社会性生物的集体行为的研究取得了很多成果。尽管单个个体并不具备复杂的决策能力，生物群体通过群体间的信息交流和与环境的互动，经常能产生分形或涌现行为，例如蚂蚁筑巢等，实现它们的目标。受到一些生物群体行为的启发，计算机学者们提出了群智能优化算法，例如粒子群算法、蚁群算法、蜂群算法、萤火虫算法和布谷鸟算法等。当需要求解的问题具有复杂、不精确、不确定性和受环境影响较大时，基于群体的仿生优化算法是解决这类问题的有效方法。相比于其它全局优化算法，自适应和鲁棒性是其显著的特点。根据Ｄａｖｉｄ等“没有免费的午餐理论”，一种算法的搜索策略确定后，它只能在某一类问题上表现良好，在另一类问题上效果比较差。一般情况下不同问题的最优解分布是未知的。在对最优解不存在先验知识的情况下，针对不同问题需要选用合适的启发式算法才能取得满意的效果。

        江门登高车,  江门登高车出租,  江门登高车租赁