论文部分内容阅读
DE算法是一类基于种群的启发式全局搜索技术，该算法原理简单，控制参数少，鲁棒性强，具有良好的优化性能，本文利用差分进化算法对wiener模型参数进行辨识，把辨识问题等价为以估计参数为优化变量的非线性极小值优化问题，并分析厂算法中种群规模NP、缩放因子F、交叉概率CR等控制参数对辨识过程中的全局并行搜索能力和收敛速度的影响，以保证算法的全局收敛性．对wieTler模型的数值仿真结果表明了DE算法在参数辨识问题中的有效性，以及较PSO算法更强的非线性系统辨识能力．