Optimization of PID Controllers Using Ant Colony and Genetic Algorithms

شبکه‌های عصبی مصنوعی، الگوریتم‌های ژنتیک و الگوریتم بهینه‌سازی کلونی مورچه‌ها به ابزاری بسیار مؤثر برای حل مسائل بهینه‌سازی سخت تبدیل شده‌اند. همانطور که محبوبیت آنها افزایش یافته است، کاربردهای این الگوریتم ها بیش از اندازه افزایش یافته است. در حالی که بسیاری از کتاب‌های موجود در این موضوعات فقط بحثی گذرا از تئوری ارائه می‌دهند، کتاب حاضر تأکید ویژه‌ای بر پیش‌زمینه نظری پشت این الگوریتم‌ها و کاربردهای آن‌ها دارد. علاوه بر این، این کتاب یک الگوریتم جدید کنترل زمان واقعی را معرفی می‌کند که از الگوریتم‌های ژنتیک و بهینه‌سازی کلونی مورچه‌ها برای بهینه‌سازی پارامترهای کنترل‌کننده PID استفاده می‌کند. به طور کلی، کتاب حاضر یک بررسی جامع بر روی شبکه‌های عصبی مصنوعی، الگوریتم‌های ژنتیک و الگوریتم بهینه‌سازی کلونی مورچه‌ها را نشان می‌دهد و عناصر کاربردی جدید مرتبط با کاربرد این روش‌ها برای کنترل سیستم پردازش را معرفی می‌کند.

Artificial neural networks, genetic algorithms and the ant colony optimization algorithm have become a highly effective tool for solving hard optimization problems. As their popularity has increased, applications of these algorithms have grown in more than equal measure. While many of the books available on these subjects only provide a cursory discussion of theory, the present book gives special emphasis to the theoretical background that is behind these algorithms and their applications. Moreover, this book introduces a novel real time control algorithm, that uses genetic algorithm and ant colony optimization algorithms for optimizing PID controller parameters. In general, the present book represents a solid survey on artificial neural networks, genetic algorithms and the ant colony optimization algorithm and introduces novel practical elements related to the application of these methods to process system control.