解决问题时简单易得的可行方案会使我们懒于寻找复杂的完美方案

最近看书“思考的快与慢”,是说我们每个人的头脑里都有两个系统,一个是系统1,负责不假思索快速应对,一个是系统2,负责慎重的深入思考。通常是是我们调用系统1来处理绝大部分事务,在我们系统1应付不过来时,系统2才不情愿的启动。

这里有一个例子,还是火车运煤问题,

比如,你要运3000吨煤到1000公里外的市场上卖,你用的火车容量是1000吨,但火车本身也需要烧煤,能耗是每公里0.3吨,问你能运多少煤到市场上?

你看的这个题目的反应是不是,你是一道小学生都会做的题目,很简单。

运前两车的煤火车需要一个来回,最后一车,火车运煤到终点了就不需要回去了,这样火车共用掉5*1000*0.3=1500吨煤,最终送到市场上的就是3000-1500,也是1500吨煤。

这个方案的确简单可行,但是还有更优的方案吗,我相信就这个题目本身,很少会人会愿意继续思考一下。

如果你研究过火车运煤的最优解问题,就知道这只是那个一般问题的一个特例,代入数据可算出,最终答案是1700吨。

具体过程这里不多说,可以直接参见那篇文章。


总结,当我们面对一个问题的时候,在最简单直观的方案可行时,我们能不能追问自己一句:还有更好的方案吗?

内容概要:本文介绍了一种利用元启发式算法(如粒子群优化,PSO)优化线性二次调节器(LQR)控制器加权矩阵的方法,专门针对复杂的四级倒立摆系统。传统的LQR控制器设计中,加权矩阵Q的选择往往依赖于经验和试错,而这种方法难以应对高维度非线性系统的复杂性。文中详细描述了如何将控制器参数优化问题转化为多维空间搜索问题,并通过MATLAB代码展示了具体实施步骤。关键点包括:构建非线性系统的动力学模型、设计适应度函数、采用对数缩放技术避免局部最优、以及通过实验验证优化效果。结果显示,相比传统方法,PSO优化后的LQR控制器不仅提高了稳定性,还显著减少了最大控制力,同缩短了稳定间。 适合人群:控制系统研究人员、自动化工程专业学生、从事机器人控制或高级控制算法开发的技术人员。 使用场景及目标:适用于需要精确控制高度动态和不确定性的机械系统,特别是在处理多自由度、强耦合特性的情况下。目标是通过引入智能化的参数寻优手段,改善现有控制策略的效果,降低人为干预的需求,提高系统的鲁棒性和性能。 其他说明:文章强调了在实际应用中应注意的问题,如避免过拟合、考虑硬件限制等,并提出了未来研究方向,例如探索非对角Q矩阵的可能性。此外,还分享了一些实践经验,如如何处理高频抖动现象,以及如何结合不同类型的元启发式算法以获得更好的优化结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值