通过遗传算法寻找滑模扰动观察器的特征值;在文献[3]中,模糊滑模控制器的隶属度函数和模糊量化因子,根据控制对象特性使用遗传算法自动寻优。量子遗传算法是一种新型的基于量子计算原理的概率优化方法,它采用量子位编码染色体,用量子门作用和量子门更新来完成进化搜索[4],具有种群规模小、兼有“勘探”和“开采”能力、收敛速度快和全局优化能力强的特点。本文研究基于量子遗传算法的模糊滑模控制。
因此,一个量子比特可以同时储存和表达两个态的信息,一个长度为N的量子比特串可同时储存和表达2N个不同的解,可见它所在的空间维数是随N呈指数型增长,明显区别于遗传算法随N呈线形增长的态空间。
本文采用经典遗传算法的二进制编码方法,对多个取值的变量进行多量子比特的编码.考虑参数的不确定性,在参数上下界未知时,可能使k取值过大,不可避免地产生抖颤。为了消除抖颤现象,文献[6]提出在边界层内根据s的模糊值对k进行模糊化调节,进而实现对切换控制Δu的调节。这一方法虽然可以在边界层内起到弱化控制u的作用,但是没有考虑到·s的变化情况,尤其是由于参数的不确定性可能引起系统不稳定的问题。