基于混沌蚂蚁群算法的Lorenz混沌系统的参数估计

通过构造一个适当的适应度函数，首先将混沌系统的参数估计问题转化为参数的寻优问题，之后利用混沌蚂蚁群算法的全局优化搜索能力对这个问题进行求解.以典型的Lorenz混沌系统为例进行了数值模拟.实验数值仿真结果表明，使用该方法可以对混沌系统的未知参数进行有效地估计.     

一阶时滞混沌的参数辨识

估计混沌系统的未知参数是混沌控制与同步中必须解决的关键问题.针对两种不同类型的时滞混沌系统中的未知参数的辨识问题，将系统的未知参数看作系统的未知状态，利用非线性状态观测器理论进行参数估计，通过选取观测器中非线性增益函数，使得闭环误差系统指数或渐进稳定，从而给出参数估计器存在的充分条件.以典型的时滞Logistic系统为例进行了数值模拟，数值仿真结果表明，使用该方法可以对时滞混沌系统的未知参数进行有效地估计.     

基于混合差分进化算法的混沌系统参数估计

混沌系统参数估计是混沌系统控制与同步的关键问题. 通过构造一个适当的适应度函数,将混沌系统的参数估计问题转化为一个多维优化问题,然后利用混合差分进化算法的全局搜索能力求解该优化问题. 以典型的Lorenz混沌系统为例进行了数值仿真,结果表明了混合差分进化算法的有效性和鲁棒性,是一种有效的混沌系统参数估计方法. 关键词： 混沌系统 参数估计 混合差分进化算法     

基于混合生物地理优化的混沌系统参数估计

混沌系统的参数估计本质上是多维参数的优化问题. 结合和声搜索方法和对立学习机理, 提出一种混合生物地理优化算法, 用于解决混沌系统的参数估计问题. 利用对立学习机理增加初始群体的多样性, 并引入和声搜索以增强局部寻优能力, 从而提升整体寻优性能. 以典型混沌系统为例进行了未知参数估计的数值仿真, 结果验证了所提出混合生物地理优化方法的有效性和鲁棒性.     

基于变分方法的混沌系统参数估计

提出一种基于变分原理的估计混沌系统未知参数的方法,对以x= F(x,θ) 为控制方程的所有混沌系统具有普适性.首先将混沌系统方程引入到目标泛函中;接着利用变分原理导出了混沌系统的伴随方程和待辨识参数泛函梯度的通用公式;然后设计了估计混沌系统未知参数的算法;最后对典型的Lorenz混沌系统和超混沌Chen系统的未知参数进行了估计.数值仿真结果表明该方法是一种非常有效的估计混沌系统未知参数的方法. 关键词： 混沌系统 参数估计 变分方法 伴随方程     

一种非线性动力学系统混沌现象的深入研究

本文在实验教学中引入一种非线性混沌摆系统,通过调节混沌摆的驱动力周期演示了该非线性动力学系统出现混沌现象的过程,从而让学生了解混沌现象的参数敏感性、相图特点、频谱特性等基本特性.为了进一步了解该混沌摆的特性,本文建立了该非线性摆系统的简化动力学方程,在数值上对其进行了研究.基于动力学方程的数值模拟,克服了实验上相关参数定量改变困难、摆动稳定性不易控制、实验时间周期长等问题.在数值模拟中,通过改变不同参数得到了相图、频谱图以及分岔图,比较深入详细地对这种混沌摆的相关特性进行了描述,也有利于学生加深对混沌摆的理解.     

具有完全不确定参数的五项双曲型混沌系统的投影同步

提出了一个新的简单的双曲型三维自治混沌系统,该三维混沌系统只含有五项, 并且其非线性特征主要依赖于一个非线性二次双曲正弦项和一个非线性二次交叉项. 较已有的三维混沌系统而言, 不仅系统的项要少一些, 而且在参数变化时, 呈现混沌的参数范围也很大. 对系统的一些基本动力学特性进行了数值模拟和理论分析. 同时, 还研究了具有完全不确定参数的该五项双曲型混沌系统的投影同步. 基于Lyapunov指数稳定性理论和Barbalat引理, 设计了一个新的具有参数自适应律的自适应同步控制器, 利用该控制器分别实现了两个结构相同和相异混沌系统的渐进性和全局性投影同步. 数值模拟验证了该方法的有效性和可行性.     

基于量子并行粒子群优化算法的分数阶混沌系统参数估计

分数阶混沌系统参数估计的本质是多维参数优化问题, 其对于实现分数阶混沌控制与同步至关重要. 提出一种基于量子并行特性的粒子群优化新算法, 用于解决分数阶混沌的系统参数估计问题. 利用量子计算的并行特性, 设计出了一种新的量子编码, 使每代运算的可计算次数呈指数增加. 在此基础上, 构建了由量子当前旋转角、个体最优旋转角和全局最优旋转角共同组成的粒子演化方程, 以约束粒子在量子空间中的运动行为, 使算法的搜索能力得到了较大提高. 以分数阶Lorenz混沌系统和分数阶Chen混沌系统的参数估计为例, 进行了未知参数估计的数值仿真, 结果显示本算法具有良好的有效性、鲁棒性和通用性.     

一种新的参数估计方法及其在混沌信号盲分离中的应用

为了有效地估计非线性映射中的参数,本文采用一种容积准则近似该映射的加权积分函数. 基于由状态空间模型建模的参数,提出了一种新的参数估计方法. 混沌信号的盲分离是一种具有挑战性的参数估计问题.将新的参数估计方法应用在该问题上, 实现混沌信号的有效重构.仿真结果表明该算法具有较快的收敛速度和较高的数值精度, 并能有效地分离原始混沌信号.     

一个大范围超混沌系统的生成和电路实现

在对一些已有的超混沌系统研究和分析的基础上,提出了一个新的四维自治的超混沌系统,这个超混沌系统是通过引入一个状态变量到一个三维自治混沌系统而生成的,它较已有的超混沌系统而言,不仅最大的Lyapunov指数要大一些,而且在参数变化时,呈现超混沌的参数范围也很大.在对该系统进行数值仿真和分形分析的同时,也通过模拟电路对其进行了验证,电路实验结果表明,在电路中分别呈现的周期、伪周期、混沌、超混沌特性与数值仿真中获得的结果是一致的. 关键词： 超混沌 分形分析 超混沌电路 Lyapunov指数     

基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

Dynamics of Transiently Chaotic Neural Network and Its Application to Optimization

Through adding a nonlinear self-feedback term in the evolution equations of nerual network,we introduced a transiently chaotic neural network model.In order to utilize the transiently chaotic dynamics mechanism in optimization problem efficiently,we have analyzed the dynamical pocedure of the transiently chaotic neural network model and studied the function of the crucial bifurcation parameter which governs the chaotic behavior of the system.Based on the dynamical analysis of the transiently chaotic neural network model,Chaotic annealing algorithm is also examined and improved.As an example,we applied chaotic annealing method to the traveling salesman problem and obtained good results.     

基于混合群智能优化算法的混沌系统参数估计

混沌系统的未知系统参数估计是实现混沌控制和同步的首要问题,通过构造一个合理的适应度函数,可将其转化为一个多维搜索空间的优化问题.提出一种融合改进骨干粒子群算法与改进差分进化算法的混合群智能优化方法来解决上述优化问题.对骨干粒子群算法中的粒子位置更新机制以及差分进化算法中的变异操作、交叉操作、交叉概率因子的设计等进行改进,有效兼顾了种群的多样性与算法的收敛性.在此基础上,讨论骨干粒子群优化算法与差分进化的融合优化策略,实现两个算法的协同进化,进一步提高算法的综合优化性能.用6个基准测试函数以及Lorenz混沌系统为例进行仿真实验,结果表明该方法具有全局寻优能力强、收敛速度快、搜索精度高、稳健性好等优点.     

Parameter estimation for chaotic systems using the cuckoo search algorithm with an orthogonal learning method

We study the parameter estimation of a nonlinear chaotic system,which can be essentially formulated as a multidimensional optimization problem.In this paper,an orthogonal learning cuckoo search algorithm is used to estimate the parameters of chaotic systems.This algorithm can combine the stochastic exploration of the cuckoo search and the exploitation capability of the orthogonal learning strategy.Experiments are conducted on the Lorenz system and the Chen system.The proposed algorithm is used to estimate the parameters for these two systems.Simulation results and comparisons demonstrate that the proposed algorithm is better or at least comparable to the particle swarm optimization and the genetic algorithm when considering the quality of the solutions obtained.     

基于混合交叉进化算法的混沌系统参数估计

提出一种混合交叉进化算法 来估计混沌系统的未知参数. 首先通过构造一个适当的适应度函数, 将混沌系统的参数估计问题转化为一个多维的优化问题. 在混合交叉进化算法中, 利用佳点集方法初始化种群, 增加了算法的稳定性和全局搜索能力. 在进化过程中, 混合交叉操作既能指导种群个体向最优解子空间靠近, 又能提高算法跳出局部最优的能力, 从而协调了算法的勘探和开采能力. 以几个标准测试函数和典型的Lorenz混沌系统为例进行仿真实验, 结果表明了该方法的有效性.     

一种基于混沌系统部分序列参数辨识的混沌保密通信方法

本文提出一种混沌保密通信方法,即混沌系统的部分序列用于混沌系统参数辨识其他序列用于通信保密.利用混沌蚁群优化算法对部分序列混沌系统进行参数辨识,以达到了解混沌系统全部信息的目的.在参数辨识过程中引入参数空间和蚁群空间,通过空间变换函数使参数空间与蚁群空间之间相互变换.文中使用Lorenz系统进行数值试验,其结果验证混沌系统部分序列参数辨识及混沌保密通信的可行性.