mbt schuhe 蚁群优化算法在发电机励磁控制中的应用研究_1275
蚁群优化算法在发电机励磁控制中的应用研究
4，遗传算法陷入了局部最王德意等：蚁群优化算法在发电机励磁控制中的应用研究149优点，在寻到这点时蚁群算法用了不到10S，而遗传算法用了将近17S，从而可以得出蚁群算法寻优时间更短，更不可能陷入局部最优点，其寻优效果较遗传算法更好。为了能更好更准确地反映出蚁群算法的优点，笔者对遗传算法和蚁群算法随机进行了1O次寻优，目标函数的寻优结果示于表2。其中遗传算法的目标函数平均值为26．1960，改进蚁群算法的目标函数平均值为25．4017。从表2可看出蚁群算法优化的目标函数值比遗传算法的更小，其寻优效果更佳。表2遗传算法和蚁群算法1O次寻优结果对比Tab．2TenresultsofGeneticAlgorithmandAntColonyAlgorithm4结语本文通过将改进的蚁群算法应用于同步发电机励磁控制器参数优化，并将蚁群算法的优化结果与遗传算法的结果进行了比较，充分说明改进的蚁群算法的有效性和应用价值。同时，它具有寻优简单、鲁棒性强、易于并行化，是一种效率很高的寻优方法，是同步发电机励磁控制器参数优化的理想方法,mbt schuhe。理论分析和实例仿真结果表明，本文提出的基于蚁群优化算法的同步发电机励磁控制器参数优化算法是可行且有效的。变工况下高阶同步发电机模型的励磁控制器参数优化将是下一步的研究方向。参考文献：[13谭冠政，李文斌(TanGuanzheng，LiWenbin)．基于蚁群算法的智能人工腿最优PID控制器设计(Designofantalgorithm―-basedoptimalPIDcontrolleranditsappli―-cationtointelligentartificialleg)[J]．中南大学学报(JournalofCentralSouthUniversityofTechnology),tiffany deutschland。2004,mbt schuhe günstig，35(1)：91―96．[2]李士勇(LiShiyong)．蚁群算法及其应用(AntColonyAlgorithmandItsApplicition)[M]．哈尔滨：哈尔滨工业大学出版社(Harbin：HarbinMore articles related to topics：
