PID control optimisation using an enhanced hybrid PSOGA algorithm with reinforcement-driven modifications
บทความในวารสาร
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: K.; Assawinchaichote, W.; Shi, M.; Pattaramalai, S.; Zhang, H.
ผู้เผยแพร่: Taylor and Francis Group
ปีที่เผยแพร่ (ค.ศ.): 2025
วารสาร: International Journal of Systems Science (0020-7721)
นอก: 0020-7721
eISSN: 1464-5319
ภาษา: English-Great Britain (EN-GB)
บทคัดย่อ
Optimising PID controllers in complex environments requires algorithms that are efficient, adaptive and capable of learning. This research presents a Reinforcement-Driven Modified PSOGA (MPSOGA) for PID controller optimisation. The algorithm embeds Q-learning into the PSO-GA framework, enabling real-time adaptation of search strategies and improving the balance between exploration and exploitation. This reinforcement-driven mechanism enhances convergence reliability and overall solution quality. Simulation studies on benchmark PID control tasks demonstrate that MPSOGA achieves faster convergence, reduced overshoot and improved transient stability compared with PSO, GA, GWO, PSOGA and mJS. Additional evaluations on standard optimisation benchmarks indicate robustness across diverse problem settings. The results highlight the potential of MPSOGA as a practical and adaptable approach to control optimisation, contributing to ongoing research on reinforcement-driven metaheuristics. © 2025 Informa UK Limited, trading as Taylor & Francis Group.
คำสำคัญ
ไม่พบข้อมูลที่เกี่ยวข้อง
ติดต่อสอบถามเพิ่มเติมได้ที่