基于蚁群算法的PID控制参数优化Matlab源码

1、基于蚁群算法的PID控制参数优化Matlab源码(2009-07-26 12:31:02) 除了蚁群算法，可用于PID参数优化的智能算法还有很多，比如遗传算法、模拟退火算法、粒子群算法、人工鱼群算法，等等。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团队主页：http:/bl

2、/greensim% color=red欢迎访问GreenSim算法仿真团队url=/greensim/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01之间，推荐取值0.70.95% 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01之间，推荐取值0.10.5% LB 决策变量的下界，M1的向量% UB 决策变量的上界，M1的向量% Num 被控制对象传递函数的分子系数向量%

3、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 K1细胞结构，每一个元素是M1向量，记录每一代的最优蚂蚁% BESTY K1矩阵，记录每一代的最优蚂蚁的评价函数值% ALLX K1细胞结构，每一个元素是MN矩阵，记录每一代蚂蚁的位置% ALLY KN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

4、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MN矩阵，记录每一代的个体ALLY=zeros(K,N);%KN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M1向量，记录每一代的最优个体BESTY=zeros(K,1);%K1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wh

5、ile 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,SigTyp

6、e,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 Fmx1-(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,

7、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 Fmx1-(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=

8、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 Fx31-(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)/(max