1746-IV16

1746-IV16遺傳算法

　　遺傳算法是由JohnH oland在70年代早期發(fā)展起來的一種自然選擇和群體遺傳機理的搜索算法。它模擬了自然選擇和自然遺傳過程中發(fā)生的繁殖，交配和突變現(xiàn)象。它將每個可能的解看作是群體（所有可能解）中的一個個體，并將每個個體編碼成字符串的形式，根據(jù)預定的目標函數(shù)對每個個體進行評價，給出一個適合值。開始時總是隨機地產(chǎn)生一些個體（即候選解），根據(jù)這些個體的適合度利用遺傳算法（選擇、交叉、變異）對這些個體進行交叉組合，得到一個新的個體。這一群新的個體由于繼承了上一代的一些優(yōu)良性質(zhì)，因而明顯優(yōu)于上一代，這樣逐步朝著更優(yōu)解的方向進化。遺傳算法對于復雜的優(yōu)化問題無需建模和進行復雜的運算，只要用遺傳算法的三種算子就能找到優(yōu)化解，因而在各種領(lǐng)域中得到了廣泛的應用。在機器人相關(guān)領(lǐng)域研究中，遺傳算法已被應用于機械手的軌跡生成、多機器人的路徑規(guī)劃、冗余機械手的障礙避碰。

　　另一方面，當遺傳算法與模糊邏輯，人工神經(jīng)網(wǎng)絡等技術(shù)相結(jié)合，組合成一個智能學習和進化系統(tǒng)時，便顯示了它的強大威力。有很多學者綜合運用上述智能方法作了路徑規(guī)劃的嘗試。如Toshio Fukuda等人提出了一個具有“結(jié)構(gòu)化智能”的機器人導航系統(tǒng)。它以模糊控制器為。路徑規(guī)劃的一種分層決策機構(gòu)，并且根據(jù)反饋得到的獎賞，懲罰信息進行學習和進化。其優(yōu)點是系統(tǒng)自學習能力，這也是其研究的側(cè)重點，然而他們把系統(tǒng)做的比較復雜，效率較低。

1746-IV16

聯(lián)系人：歐工

電話：

電話：

傳真：

郵箱：@qq.com

Siemens S5 ANALOG INPUT 6ES52431AA11 6ES5 243-1AA11 

Siemens S5 INTERFACE MODULE 2 0.5M CABLE

Siemens S5 INTERFACE MODULE 185/700/701/135

Siemens S5 INPUT MODULE 32POINT 24V DIGITAL

Siemens S5 INPUT MODULE 8POINT 24VDC NON-ISOLATED 

Siemens S5 INPUT MODULE 24VDC 8 POINT FLOATING 115U

Siemens S5 INPUT MODULE 16POINT DIGITAL 115VAC/DC

Siemens S5 OUTPUT MODULE\ 6ES5441-7LA11

Siemens S5 OUTPUT MODULE 16Pt 24VDC 2AMP 6ES5454-7LA11

Siemens S5 INPUT MODULE ANALOG 16 PT 6ES5465-7LA11

Siemens S5 RACK CR2 115U

Siemens S5 IP246 Positioning module 6ES5 246-4UA21 

SIMATIC S7-400, CPU 416-2 DP 6ES7416-2XL00-0?AB0

Dynapar ENCODER HAF 3/8 FLG 5-26VDC 15FT CBL

TURCK BI-2-CRS730-ADZ30X2-B1131/S34 PHOTOELECTRIC

TURCK BI2-CRS343-ADZ30X2-B1131/S34 PHOTOELECTRIC

Siemens 6ES5 941-7UA12 CPU MODULE W/EPROM

Siemens 6ES5942-7UA12 CPU MODULE W/EPROM