一種改進的網絡控制系統中混合量子進化算法

摘 要： 提出了一種針對雙層網絡學習系統體系結構的新的混合量子克隆進化算法（HQCEA）。這種特殊的體系結構能達到更好的控制性能、更好的抗干擾能力并增強了對各種環境的適應性，優化了網絡傳輸周期，增強了函數求解空間的多樣性，并能有效地避免陷入局部最優解。因此，網絡資源得到合理分配以減少延遲和丟包，改進帶有通信約束的網絡利用。根據結果表明：HQCEA方法克服了傳統QEA方法的缺點，而且能夠在更短的時間內成功處理多峰連續函數以及復雜裝置。

關鍵字： 多目標優化； 混合量子進化算法； 網絡控制系統； 混合量子克隆進化算法

中圖分類號： TN911?34 文獻標識碼： A 文章編號： 1004?373X（2013）08?0001?03

網絡的引入使控制系統處理問題變得復雜起來。網絡延遲和丟包是網絡控制系統設計中重點考慮的問題。當傳感器向控制器發送信號或者控制器向傳感器發送信號時，無法保證零延遲甚至會隨機延長。如果通信網絡出現擁堵，一些數據包便會丟失。發送器、傳感器以及控制器的同步是網絡控制系統中的另一個關鍵問題[1?2]。在實時系統中，特別是控制系統中，這些是災難性問題。因此，網絡服務性能和控制系統的質量不僅依賴于系統體系結構和控制算法，也依賴于信息傳輸碰撞和網絡節點資源分配的調度系統。

1 網絡學習控制系統的調度優化

1.1 問題描述

為了達到更好的控制性、抗干擾性、適應性的目的，本文引入了如圖1所示的雙層網絡學習控制系統體系結構[3?4]。……