Составители:
Рубрика:
232
Использование ГА предполагает кодирование параметров су-
первизора, т. е. весов НС, хромосомой длиной 18 действительных
чисел (генов).
Хромосома представляет собой альтернативное решение зада-
чи. Совокупность всех хромосом образует популяцию. Популяция
эволюционирует под воздействием генетических операторов отбо-
ра, скрещивания и мутации. Для выполнения операции отбора не-
обходимо иметь описание пригодности каждой хромосомы P
i
. Эта
оценка может быть найдена путем сравнения эталонного описания
переходного процесса y*(t) и переходного процесса, полученного
под управлением i-й хромосомы. Например,
1
1
1
*
, ()– (),
N
i i kk
i
k
P E yt yt
E
=
==
+
å
где N – рассматриваемое число точек переходного процесса.
На рис. 8.13 приведена схема моделирования работы нейросете-
вого супервизора в MatLab Simulink.
В нижней части рис. 8.13 представлена передаточная функ-
ция, служащая для описания эталонного процесса. Блоки simout
и simout1 служат для накопления точек эталонного и реального
переходного процесса.
Обучение супервизора выполнялось с помощью стандартного
инструмента gatool в составе MatLab. Размер популяции 50 хро-
мосом, для поиска решения потребовалось около 100 генераций.
Были получены следующие весовые матрицы:
12
0 66 0 75 0 88 0 41 1 0 97
0 46 0 22 3 05 0 85 1 89 1 52
0 79 0 99 0 45 0 84 0 09 0 02
,, , , ,
, , , , , , ,.
, , , ,,,
WW
é ùé ù
-
ê úê ú
ê úê ú
==
ê úê ú
ê úê ú
-
ë ûë û
Рис. 8.12. Структура нейросетевого супервизора
e(t)
z
–1
z
–1
K
p
K
d
K
i
1
2
3
4
5
6
W
1
W
2
2-й слой1-й слой
Страницы
- « первая
- ‹ предыдущая
- …
- 230
- 231
- 232
- 233
- 234
- …
- следующая ›
- последняя »
