用于二维源搜索的梯度自适应极值搜索算法*

满艳鹏，孟庆浩，王佳瑛，罗　冰，曾　明（天津大学电气与自动化工程学院机器人与自主系统研究所，天津300072）

计算与测试

用于二维源搜索的梯度自适应极值搜索算法*

满艳鹏，孟庆浩，王佳瑛，罗冰，曾明
（天津大学电气与自动化工程学院机器人与自主系统研究所，天津300072）

基于正弦扰动的二维源极值搜索算法存在着适应性差和快速性与准确性相互制约的缺点。针对这一问题，提出一种基于梯度估计的参数自适应极值搜索算法，该算法在传统极值搜索算法基础上，通过三个历史采样点估计当前区域的梯度，并依据当前区域梯度值自适应调整反馈增益参数。此外，利用平均值理论对所提算法进行了理论分析和收敛性证明。不同环境下的仿真对比表明本方法提高了源搜索效率和对复杂梯度环境的适应性。

极值搜索；源搜索；梯度自适应

0　引言

极值搜索算法是一种不依赖对象数学模型的自适应控制算法［1］。20世纪80年代，线性自适应控制理论取得突破之后，极值搜索算法以其优越的极值搜索能力而受到人们的重视［2］。基于滑模的极值搜索控制［3］曾成功应用于ABS中。1999年，Krstic M［4］提出了快速自适应极值搜索算法理论，通过加入动态补偿装置，提高系统的反应速度和动态性能。左斌等人［5］将多变量极值搜索与神经网络相结合，推广了极值搜索算法的应用范围。Sahneh F D等人［6］对时变的极值情况进行了研究，郭晓军等人［7］提出了多单元半全局极值搜索算法。

Ghods N等人［8］将极值搜索算法应用到了二维源搜索中。……