1. 研究目的与意义及国内外研究现状

目的：

对于随机系统的跟踪控制，在性能指标优化方面，经典的优化方法是使用梯度优化法，但此方法不易获得全局最优解。本文尝试将遗传算法作为随机系统跟踪控制领域的性能指标函数的优化方法，模仿自然生物种群选择、交叉、变异的进化过程，多方全面地搜索函数最优解，从而获得一个最优控制输入函数，提高跟踪控制误差精度。

意义：

2. 研究的基本内容

本文以随机系统跟踪控制问题为研究对象，假定一个离散随机性状态空间模型，在输出概率密度函数不可测的情况下，用核密度方法估计出输出概率密度函数，然后利用跟踪误差建立性能指标函数，选择一种模仿生物自然选择和基因遗传过程的并行、随机、全局优化的遗传算法作为性能指标函数的优化方法，使系统的输出函数以一定精度跟踪目标函数，获得最优控制输入函数，在matlab环境中进行仿真验证测试。通过这些研究，可进一步补充、完善随机分布系统跟踪控制理论。

主要工作如下：

1、根据目标函数估计输出概率密度函数。 2、根据概率密度函数生成若干满足分布的随机数学习遗传算法的理论基础。3、当系统为线性随机系统时，应用遗传算法优化性能指标函数。 4、当系统为非高斯随机系统时，应用遗传算法优化性能指标函数。

3. 实施方案、进度安排及预期效果

一、2016年1-2月，整理已有的研究成果和相关的国内外资料，特别是遗传算法改进、参数选择方面的最新研究成果，了解遗传算法基本理论。

二、2016年2-3月，整理随机分布系统相关资料，了解随机分布系统控制方法。

三、2016年3-4月，了解概率密度函数形态控制理论，在概率密度函数不可知的情况下估计输出概率密度函数。

4. 参考文献

[1]屈毅.非高斯随机分布系统控制与故障检测方法的研究[d].兰州理工大学,2013.

[2]徐瑞民.平均场随机系统理论及其应用[d].山东大学,2014.