حل دسته‌ای از مسایل کنترل بهینه با استفاده از الگوریتم ژنتیک ترکیبی

در این مقاله با استفاده از پارامترسازی -اسپلاین روشی جدید بر اساس الگوریتم ژنتیک ترکیبی اصلا‌ح‌شده (mhga) پیشنهادی، برای حل دسته‌ای از مسایل کنترل بهینه معرفی می‌کنیم. در هر گام از الگوریتم پیشنهادی، با افراز متساوی‌الفاصله‏ی بازه ی زمانی، mhga با یک جمعیت اولیه ی کاملا تصادفی اجرا می‌شود، که هر فرد جمعیت یک ماتریس از مقادیر ورودی کنترل در گره‌های زمانی افراز جاری است. mhga، الگوریتم ga را با sqp، به عنوان یک جستجوگر محلی ترکیب می‌کند. برای کاهش زمان محاسباتی، تعداد تکرارهای الگوریتم sqp، در گام‌های اولیه، کوچک انتخاب می‌شود و به تدریج، بعد از پیدا کردن ناحیه ی تقریبی جواب در فضای جستجو، در تکرارهای بعدی، آن را افزایش می‌دهیم. جواب بهینه ی حاصل از mhga، به عنوان ضرایب -اسپلاین در پارامترسازی کنترل استفاده می‌شود. برای تقریب بهتر منحنی کنترل در گام بعد، تعداد نقاط گره‌ای در افراز جاری را افزایش می دهیم و فرایند بالا را تکرار می‌کنیم. الگوریتم، زمانی متوقف می‌شود که نرم تفاضل دو منحنی کنترل پارامتری شده یا تفاضل مقادیر تابع هدف در دو گام متوالی از دقت‌های مطلوبی کم تر باشد. برای بررسی کارایی الگوریتم پیشنهادی، نتایج عددی روی بیشتر از ده مساله ی کنترل بهینه پیاده‌سازی شده است.