遗传算法在PFC控制电路优化设计中的应用研究

其传递函数：

2遗传算法的改进设计
在应用遗传算法优化的控制器参数时，本文在标准遗传算法的基础上，做出了如下设计：
(1)在编码方案上，采用格雷编码来克服二进制编码的“Hamming悬崖”；
(2)选择操作中，用期望值法来代替适应度值比例法，以避免个体数目不太大时，适应度值比例法依据随机数来选择个体有时不能正确反映个体的适应度；
(3)交叉操作考虑使用两点交叉，使优良的基因模式尽可能地组合在一起。
在此基础之上，对算法进行了以下改进：
①保护优秀个体。
在每一代种群中适应度值最大的个体保留下来，不参加交叉和变异过程，使之直接进入下一代，这样可以防止优秀的个体在交叉或变异操作中被破坏从而保证了全局收敛。
②自适应变异策略。
对交叉和变异算子采用基于自适应温度的自适应策略。将这种自适应策略同时应用于交叉和变异操作，并定义为自适应温度：
其中，f，fmax分别为某一代的平均和最优个体适应度值。易知，随着迭代的进行，“温度”是逐渐下降的。然后以T为依据设计遗传算子：

PC=a+bT，PM=c-dT．
a，b，c，d为恰当选择的常数，这时算子和自适应温度T呈简单的线性关系。

③综合条件终止进化。
综合两个条件来判断算法是否终止进化的条件――一是，遗传代数是否达到固定的最大遗传代数；二是，计算前后几代个体平均适应度的差或方差是否小于设定的极小阈值时。两个条件相与，即两个条件满足一个时，就认为符合终止进化条件。