人工精选智能优化算法之教与学算法应用入门视频课程
这门课解决什么工作场景 教与学算法属于群体智能优化范畴,常被用来处理高维非凸寻优问题。这门课的具体场景很明确,就是工业控制和仿真建模里调控制器参数。做过伺服整定或运动控制的人都知道,传统试凑法在多变量耦合时极耗时间,尤其面对分数阶或自抗扰结构,手调往往只能凭经验凑出一组能用的值,未必逼近最优。课程把
会员 · 按档位
游客按标价购买,不享受上表折扣。
支付成功后自动发放网盘链接,链接失效可找客服免费补
这门课解决什么工作场景
教与学算法属于群体智能优化范畴,常被用来处理高维非凸寻优问题。这门课的具体场景很明确,就是工业控制和仿真建模里调控制器参数。做过伺服整定或运动控制的人都知道,传统试凑法在多变量耦合时极耗时间,尤其面对分数阶或自抗扰结构,手调往往只能凭经验凑出一组能用的值,未必逼近最优。课程把算法直接落到基准测试函数和三类控制器上,解决的是从理论公式到可运行模型之间的落地断层。它不涉及深度学习或大模型,定位是传统控制工程和启发式算法的交叉点,适合做电机控制过程控制或机电仿真的工程师用来替代盲目试参数。
适合什么基础与建议先看哪几块
资料默认你已经具备控制原理基础,能看懂传递函数和反馈结构,并且对 MATLAB 基本操作不陌生。如果连 PID 三个环节的作用都说不清,建议先补经典控制再回来,否则算法迭代过程会变成黑盒。整体编排是先讲算法来源和基本机制,再用基准函数做性能对比,最后进入控制器实例。建议先看第一节算法介绍,理解“教”阶段和“学”阶段的更新规则,跳过中间的对比演示,直接挑 PID 控制器那一节跟着走一遍。分数阶和自抗扰两节对前置知识要求更高,可以当作 PID 实例跑通后的进阶练习,不必按顺序死磕。最后一节 Simulink 版本是工程落地的关键,务必放在最后重点看,因为它演示的是算法如何嵌入连续仿真环境,这是实际工程里最常遇到的形态。
学完能独立做什么与资料怎么配合练习
学完之后,你应该能独立把教与学算法接到自己的被控对象模型里,给定目标函数后让程序自动搜索一组合适的参数,而不是继续靠手动试凑。具体来说,你能完成基准函数验证算法收敛性、用算法优化常规 PID 参数、把寻优逻辑接入 Simulink 做闭环仿真这几件事。资料配合方式上,视频里每段演示都对应具体的代码框架和模型文件,建议不要只看不练。第一步先跑通现成代码,确认迭代曲线和参数输出正常;第二步把基准函数换成你工作中的实际被控对象,比如电机模型或温度回路,修改目标函数后重新跑迭代,观察收敛是否稳定;第三步在 Simulink 版本基础上,替换你自己的被控对象模块,验证算法在连续仿真里的接口调用。整个过程中遇到不收敛或参数发散,先检查目标函数定义和约束范围,再回看视频里对应章节的参数设置说明,不要急于换算法。这门课的价值在于给了一套可复用的调参思路,掌握了框架,后续接触其他智能优化算法也能快速迁移。
课程目录
课程目录6 集
- 1 教与学智能优化算法介绍 (14:36).mp4
- 2 教与学算法在基准测试函数中的优化性能对比 (03:07).mp4
- 3 教与学算法优化PID控制器参数 (03:30).mp4
- 4 教与学算法优化分数阶PID控制器参数 (02:12).mp4
- 5 教与学算法优化自抗扰控制器参数 (03:59).mp4
- 6 教与学算法优化控制器(Simulink版本) (10:53).mp4





