非线性系统辨识的多目标进化框架：一项综合研究
系统与控制
2019-08-20 v1 神经与进化计算
系统与控制
摘要
本研究提出一种用于由多项式NARX模型表示的非线性系统结构选择的多目标框架。该框架集成了多准则决策（MCDM）的关键组成部分，包括偏好处理、多目标进化算法（MOEAs）与后验选择。为此，深入考察了NSGA-II、SPEA-II与MOEA/D三种著名MOEAs，以确定其搜索性能是否存在显著差异。还研究了所有这些MOEAs对各种定性与定量参数（如重组机制、交叉与变异概率的选择）的敏感性。考虑到七个离散时间与一个连续时间基准非线性系统，以及非线性波力建模的实际案例，对这些议题进行了批判性分析。本研究的结果表明，MOEAs可被定制以确定非线性系统的正确结构。进一步通过频域分析证实，可为连续时间系统辨识多个有效的离散时间模型。借助参数空间中性能甜区的MOEAs严格统计分析令人信服地表明，这些算法在宽泛控制参数范围内具有鲁棒性。
引用
@article{arxiv.1908.06232,
title = {Multi-Objective Evolutionary Framework for Non-linear System Identification: A Comprehensive Investigation},
author = {Faizal Hafiz and Akshya Swain and Eduardo MAM Mendes},
journal= {arXiv preprint arXiv:1908.06232},
year = {2019}
}