Investigación sobre el uso de Algoritmos Genéticos en el Área de Control

Fundamentos sobres los AG’s

El algoritmo genético (GA por sus siglas en inglés) es una técnica de optimización, basada en los principios genéticos y selección natural. Se usa frecuentemente para encontrar soluciones óptimas o cercanas al óptimo, para problemas difíciles que de otra forma, tomarían un tiempo de vida en resolverse. Se usa frecuentemente para resolver problemas de optimización, búsqueda y machine learning.

Conceptos fundamentales

Población: Es un subconjunto de todas las posibles soluciones codificadas para el problema dado. La población del GA es análoga a la población de seres humanos, excepto que en lugar de personas, tenemos soluciones candidatas que las representan.

Cromosomas: Un cromosoma es una solución al problema dado.

Gen: Un gen es la posición de un elemento en el cromosoma.

Genotipo: Es la población en el espacio computacional.

Fenotipo: Es la población en el espacio de soluciones del mundo real.

Codificar y Decodificar: Para problemas simples, el fenotipo y genotipo son el mismo. Sin embargo, en la mayoría de los casos, tienen diferentes espacios de soluciones. Decodificar es el proceso de transformar una solución de fenotipo a genotipo. Codificar es el proceso de de transformar una solución de genotipo a fenotipo.

Aplicaciones de los AGs en el área de control

Se pueden usar algoritmos genéticos, para optimizar sistemas de control existentes, o procesos dentro de una industria, pero no encontré aplicaciones directas en el área, que funcionaran sin necesidad de otras técnicas, como puede ser lógica difusa.

Métodos híbridos entre AGs y otras técnicas de control

Se ha trabajado con algoritmos genéticos en el área de control, como en “Control de un péndulo invertido empleando lógica difusa y algoritmos genéticos,” o “Control Multivariable para un Helicóptero de dos grados de libertad utilizando Algoritmos Genéticos de Control,”

Así como en otras aplicaciones, donde se usan los GA’s como complemento a la lógica difusa, utilizándolos para optimizar el sistema de Control, el que se debe plantear como un problema de optimización.

Optimización evolutiva de parámetros de control

Artículos como “Application of genetic algorithm for optimization of control strategy in parallel hybrid electric vehicles” muestran cómo se pueden aplicar algoritmos genéticos para optimizar los parámetros en un sistema de control.

Describe la aplicación del algoritmo genético para la optimización de los parámetros de control en vehículos híbridos eléctricos paralelos (HEV). La estrategia de control HEV es el algoritmo según el cual se produce, usa y salva la energía. Por lo tanto, la gestión óptima de los componentes de energía es un elemento clave para el éxito de un HEV. En este estudio, basado en una estrategia de control de asistencia eléctrica (EACS), la función de aptitud física se define para minimizar el consumo de combustible del motor del vehículo (FC) y las emisiones. Los requisitos de rendimiento de conducción se consideran restricciones. Además, para reducir el número de variables de decisión, se usa un nuevo enfoque para los parámetros de control de la batería. Finalmente, el proceso de optimización se lleva a cabo en tres ciclos de manejo diferentes, incluidos ECE-EUDC, FTP y TEH-CAR. Los resultados de la simulación por computadora muestran la efectividad del enfoque y la reducción de FC y emisiones, al tiempo que garantizan que no se sacrifique el rendimiento del vehículo.

AGs y sistemas embebidos.

En las últimas décadas, los investigadores han desarrollado un interés particular en los algoritmos evolutivos (AE) aplicados en solucionar diversos problemas en la

...