遇到了麻烦

早上满怀期望的过来，修改了仿真程序，用真实的前车数据+模糊推理模型进行了仿真，结果让人沮丧！仿真中后车的行为与实际的相比相差甚远，也就是说参数标定的结果很糟糕！经历了短暂的沮丧和抱怨后，只有转过头来看看到底原因是什么？
首先要承认，对于50多个要优化的参数来说，GA算法不堪重负了，尤其是在计算fitness值的时间不能忽略不计的前提下，我无法用野蛮的超多代的进化或是巨量的种群数来达到目的。所以我选择了佳点集，但是看起来效果并不明显。同时我采用的计算fitness值的方法也有问题，仅用差值平方的累加来表示误差会忽略掉本身比较小的值，使得结果更倾向于突然加减速的情况，而跟车时更经常的情况是不加速或微加减速。这个问题可以通过将差值归一化后再累加来避免。
佳点集是我给予厚望的，现在的效果却不理想，初步总结，可能是佳点数设置过低了。看参考文章中理论部分，举的例子中n取值到了10000，而我在程序中设置的仅为5，再结合佳点集理论的特点，显然n取值越大，划分的越细，就越有可能得到较好的值，相对来说，进化的代数则不需要太关注。不过n的取值大小会直接影响到计算的速度，从目前修改后的速度来看，每代的提高速度大大加快了，不过所需的时间也大大延长了，如何得到一个平衡的结果要进一步的考虑。
取佳点计算中取值范围是非常重要的，现在我采用的是固定取值范围，使用预先估计的值。这样做的优点是不会开始时比较容易得到较好的佳点，缺点是太固定了，很可能在多次计算中得出相同的佳点集，这样就没有什么意义了（是否有意义还没想清楚）。
还有一个可以改进的地方是划分两个基因值是否相似。目前的方法是将所有同代的染色体的相同基因位遍历一遍，找出最大最小值，作为上下限值，然后对于每个染色体的每位基因，计算其在限值范围的上半部分还是下半部分，分别赋予0和1。之后比较基因位是否相同时就看是否同为0或1。这样略显粗糙了一些，也许可以通过更细的划分来得到更好的结果。