在本論文中，吾人提出一種結合基因演算法(Genetic algorithm)與粒子群聚最佳化(Particle swarm optimization)演算法的最佳化演算法則，稱之為內嵌粒子群聚最佳化的基因演算法則(GA-based PSO algorithm)。其主要想法是根據實數連續型基因(Real-number continuous genetic algorithm)演算法與粒子群聚最佳化演算法作為基礎，將分配(Distribution)、選擇(Selection)、線性遞減權重法(Linearly decreasing weight method)以及突變(Mutation)等過程導入粒子群聚最佳化演算法內。它沒有基因演算法在執行時所需要花費龐大的計算時間與粒子群聚最佳化演算法在搜尋全域最佳解過程中，粒子易陷入局部最佳區域的問題。
在本研究中將內嵌粒子群聚最佳化的基因演算法則應用到四種不同複雜程度之測試函數以及三種不同類型的受控系統，藉以展現內嵌粒子群聚最佳化的基因演算法則與傳統演算法的優異性。

In this study, a new intelligent optimization algorithm, namely, embedded particle swarm optimization (PSO) with genetic algorithm (GA) is investigated. The basic motivations of proposed algorithm is combine real number continuous genetic algorithm with distribution, selection, mutation, and linearly decreasing weight method into particle swarm optimization algorithm. It is more effective on fast computing and avoids the local minimum problem.
The proposed algorithm, compare to the traditional particle swarm optimization and genetic algorithm, is exam by four benchmark problems and three difference type control systems to demonstrations the powerful ability.

中文摘要 I
Abstract II
誌謝 III
目錄 IV
圖目錄 VII
表目錄 X
符號目錄 XI
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機及方法 2
1.3 文獻回顧 3
1.4 論文大綱 5
第二章 基因演算法概論 6
2.1 二進制離散型基因演算法的基本觀念 7
2.1.1 編碼與解碼過程 7
2.1.2 選擇過程 8
2.1.3 交配過程 9
2.1.4 突變過程 12
2.1.5 收斂條件或停止條件 12
2.2 二進制離散型基因演算法之流程 13
2.3 實數連續型基因演算法 14
2.3.1 選擇過程 15
2.3.2 交配過程 15
2.3.3 突變過程 15
2.3.4 收斂條件或停止條件 16
2.4 實數連續型基因演算法之流程 16
第三章 粒子群聚最佳化演算法概論 19
3.1 粒子群聚最佳化演算法的基本觀念 20
3.2 粒子群聚最佳化演算法之流程 23
第四章 內嵌粒子群聚最佳化的基因演算法則 26
4.1 內嵌粒子群聚最佳化的基因演算法則基本概念 27
4.2 內嵌粒子群聚最佳化的基因演算法則之流程 29
第五章 數值模擬與結果 33
5.1 ..Rosenbrock測試函數測試結果 34
5.2 ..Ackley測試函數測試結果 39
5.3 ..Griewank測試函數測試結果 44
5.4 ..Schwefel測試函數測試結果 49
第六章 PID控制器設計之應用 54
6.1 ..PID控制器介紹 55
6.2 基因演算法基於PID控制器之架構 64
6.3 粒子群聚最佳化演算法基於PID控制器之架構 66
6.4 內嵌粒子群聚最佳化的基因演算法則基於PID控制器之架構 68
6.5 模擬結果比較 70
第七章 結論與未來展望 79
參考文獻 81

[1] Ziegler, J. G., Nichols, N. B., “Optimum Settings for Automatic Controllers”, Transactions of the ASME, Vol. 64, pp. 759-765, 1942.
[2] 俞克維，控制系統分析與設計使用Matlab，新文京開發出版有限公司，台北，2003。
[3] Zhao, Z. Y., Tomizuka, M., and Isaka, S., “Fuzzy Gain Scheduling of PID Controllers”, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 23, No. 5, pp. 1392-1398, 1993.
[4] Ota, T., Omatu, S., “Tuning of the PID Control Gains by GA”, Proceedings of the 1996 IEEE Conference on Emerging Technologies and Factory Automation, Vol. 1, pp. 272-274. 1996.
[5] Chang, W. D., “PID Control for Synchronization Using Particle Swarm Optimization”, Chaos, Solitons and Fractals, pp. 1-8, 2007.
[6] Wang, Y. B., Peng, X., and Wei, B. Z., “A New Particle Swarm Optimization Based Auto-tuning of PID Controller”, Proceedings of the seventh International Conference on Machine Learning and Cybernetics, Vol. 4, pp. 1818-1823, 2008.
[7] Angeline, P. J., “Using Selection to Improve Particle Swarm Optimization”, Proceedings of the 1998 International Conference on Evolutionary Computation, pp. 84-89, 1998.
[8] Eberhart, R. C., Shi, Y., “Comparing Inertia Weights and Constriction Factors in Particle Swarm Optimization”, Proceedings of the 2000 Congress on Evolutionary Computation, Vol. 1, pp. 84-88, 2000.
[9] Shi, X. H., Lu, Y. H., Zhou, C. G., Lee, H. P., Lin, W. Z., and Liang, Y. C., “Hybrid Evolutionary Algorithm Based on PSO and GA”, The 2003 Congress on Evolutionary Computation, Vol. 4, pp. 2393-2399, 2003.
[10] Esmin, A. A. A., Lambert-Torres, G., and Alvarenga, G.B., “Hybrid Evolutionary Algorithm Based on PSO and GA Mutation”, Proceedings of the Sixth International Conference on Hybrid Intelligent Systems, pp. 57-57, 2006.
[11] Jiang, Y., Hu, T., Huang, C. C., and Wu, X., “An Improved Particle Swarm Optimization Algorithm”, Applied Mathematics and Computation, Vol. 193, pp. 231-239, 2007.
[12] Man, K. F., Tang, K. S., and Kwong S., “Genetic Algorithm: Concepts and Applications”, IEEE Transactions on Industrial Electronics, Vol. 43, No. 5, pp. 519-534, 1996.
[13] Edwin, K. P. C., Stanislaw, H. Z., “An Introduction to Optimization ”, Third Edition, Canada, 2008.
[14] 邱彥勳，生物演算法與船舶自航器設計之研究，碩士論文，國立高雄海洋科技大學，高雄，2005。
[15] 周旻德，利用基因演算法之滑動模式控制感應馬達伺服驅動系統，中原大學，碩士論文，桃園，2002。
[16] 施志展，利用基因演算法進行風扇之製程改善，碩士論文，國立高雄應用科技大學，高雄，2006。
[17] 蘇木春、張孝德，機器學習：類神經網路、模糊系統以及基因演算法則(修訂版)，全華科技圖書，台北，民國90年7月。
[18] 林俊良，智慧型控制-分析與控制，全華科技圖書，台北，2005年12月。
[19] Kennedy, J., Eberhart, R. C., “Particle Swarm Optimization”, Proceedings of the IEEE International Conference on Neural Networks, Vol. 4, pp. 1942-1948. 1995.
[20] 王凌、劉波，微粒群優化與調度算法，清華大學出版社，北京， 2008年5月。
[21] 記震、廖慧連、吳青華，“粒子群算法及應用”，科學出版社，北京， 2009年1月。
[22] 周品、趙新芬，MATLAB數學建模與仿真，國防工業出版社，北京，2009年4月。
[23] 龔純、王正林，精通MATLAB最優化計算，電子工業出版社，北京，2009年4月。
[24] Shi, Y. and Eberhart, R. C., “A Modified Particle Swarm Optimizer”, Proceedings of the IEEE International Conference on Evolutionary Computation, pp. 69-73, 1998.
[25] Shi, Y. and Eberhart, R. C., “Empirical Study of Particle Swarm Optimizer”, Proceedings of the 1999 Conference on Evolutionary Computation, Vol. 3, pp. 1945-1950, 1999.
[26] 王雅賢，粒子群最佳化演算法改良之研究，碩士論文，中原大學，桃園，2006。
[27] 蘇昱豪，具隨機粒子與微調機制式粒子群最佳化於多極值函數問題之研究，碩士論文，國立台灣科技大學，台北，2006。
[28] 許家豪，基於粒子群聚最佳化之模糊PID控制器設計，碩士論文，國立高雄海洋科技大學，高雄，2007。
[29] 蔡貴夙，使用粒子群聚最佳化PID控制器，碩士論文，龍華科技大學，桃園，2004。
[30] 沈金鐘，PID控制器：理論、調整與實現，滄海書局，台中， 民國90年8月。
[31] 郭陽寬、王正林，過程控制工程及仿真，電子工業出版社，北京，2009年4月。
[32] 吳信璋，遞減式螞蟻族群演算法在PID控制參數調整之研究，碩士論文，國立高雄海洋科技大學，高雄，2007。