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.     

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     

基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。     

一种基于并行混沌和SFLA的风电电网无功优化模型设计

针对已有方法在解决电网无功优化时,由于系统的无功不足和电网电压的不稳定,容易过早收敛到局部最优解的缺点,设计了一种基于并行混沌和混合蛙跳算法 (Shuffle Frog Leaping Algorithm, SFLA)的电网无功优化模型。首先,建立了最小化有功网损、最大化静态电压稳定裕度和最大化无功补偿单位投资收益的多目标数学优化模型,然后,对经典的SFLA进行改进,通过引入精英协同进化机制和划分种群的方式实现并行寻优,从而增加个体的多样性和加快最优解的求取速度,在不同种群中设计不同的适应度函数和个体更新进化方法。为了使得算法的初始解分布更为均匀,引入用混沌机制来对种群进行初始化,最后,对基于并行混沌和SFLA的总体算法进行了设计和分析。在Matlab环境下进行实验,实验结果表明文中方法得到的优化结果具有电网有功损耗小、单位投资收益高和静态电压稳定裕度大的优点,具有较强的可行性和适应性。     

基于混合交叉差分进化的相机空间操控系统参数优化

为了提高相机空间操控(CSM)系统的预测精度, 提出一种基于混合交叉操作的差分进化算法.该方法将CSM系统的视觉参数初值和平化距离参数Zo进行组合作为混合交叉差分进化算法的个体, 以CSM系统对目标点位置的预测精度作为个体的适应度函数, 通过进化迭代获得最优的参数组合.使用了实际机器人视觉系统获取的数据进行实验, 结果表明使用优化后的参数组合可以提高系统的预测精度.     

混沌系统控制与同步的细菌觅食和差分进化混合算法

将混沌系统的控制与同步问题转化为函数优化问题,提出CDEM算法.把差分进化算法与细菌觅食算法相融合,提高DE算法的收敛性,并利用遗传变异算子保持种群多样性;利用CDEM算法求解混沌系统的控制与同步问题.以典型的离散混沌系统Hénon Map为例进行数值试验,结果表明算法有效、稳定,并分析各个参数对该算法的影响.     

基于原对偶状态转移算法的分数阶多涡卷混沌系统辨识

未知分数阶混沌系统参数辨识问题可转化为函数优化问题, 是实现分数阶混沌系统同步与控制的关键. 结合正交学习机制和原对偶学习策略, 提出一种原对偶状态转移算法, 用于解决分数阶混沌系统的参数辨识问题. 利用正交学习机制产生较优的初始种群增加算法的收敛能力, 并引入原对偶操作增加状态在空间的搜索能力, 提高算法的寻优性能. 在有噪声和无噪声情况下以分数阶多涡卷混沌系统的参数辨识为研究对象进行仿真. 结果表明了该算法的有效性、鲁棒性和通用性.     

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.     

采用三层保护策略的强制进化随机游走算法同步综合换热网络

强制进化随机游走算法（RWCE）同步综合换热网络时,存在个体最优解的进化路径被接受差解打乱而不接受差解又很难跳出局部最优的问题.提出一种采用三层保护策略的RWCE算法,将种群中个体分为三层,底层采用基本RWCE进行优化,以保护个体的全局搜索能力;中层读取底层各个体的历史最优解,并采用带微调功能的RWCE进行优化,以保护各个体最优解的进化路径不被打乱;顶层所有个体以中层最优个体的解为初始点,采用带自动精细搜索功能的RWCE进行优化,以保证最优个体得到充分的搜索;最后将顶层搜索到的结果传递给底层对应个体.实例表明,算法在允许接受差解的同时保护了个体最优解的进化路径,并实现了全局搜索能力与局部搜索能力的兼顾.     

基于广义混沌混合PSO的快速红外图像分割算法

为了准确的实现红外目标识别,提出了一种基于广义混沌混合PSO的快速红外图像分割算法.二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,而且兼顾了图像自身的模糊性,能取得较为满意的分割结果.该方法实质上是一种具有搜索空间大、多局部极值点的典型非线性整数规划问题.广义混沌混合PSO算法在广义PSO算法的基础上,引入自适应平衡搜索,当算法发生停滞时引入模拟退火机制有选择地对当前全局最优粒子进行混沌优化,在增强局部搜索能力的同时能够克服早熟收敛现象.实验证明,运用广义混沌混合PSO算法实现红外图像二维模糊划分最大熵分割是快速、稳定的.     

Parameter identification of commensurate fractional-order chaotic system via differential evolution

Chaos can be observed in fractional-order nonlinear systems with appropriate orders. The knowledge about the parameters and orders are the basis of the control and synchronization of fractional-order chaotic systems. In this Letter, the problem of parameter identification of commensurate fractional-order chaotic systems is investigated. By treating the orders as additional parameters, the parameters and orders are identified together through minimizing an objective function. Differential evolution algorithm, a powerful and robust evolutionary algorithm, is applied to search the optimal solution of the objective function. Numerical simulations and comparisons with genetic algorithm (GA) demonstrate the effectiveness of the proposed method.     

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.     

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     

基于改进克隆选择算法的统一混沌系统同步控制与参数辨识

提出一种改进的克隆选择算法用于解决混沌系统的参数辨识问题.该算法利用抗体的高频变异和受体编辑两种机制有效平衡算法的全局探索与局部开发，并引入向精英抗体学习策略进一步提高算法的收敛质量.对10个优化问题的实验表明：所提出算法在求解精度、收敛速度以及稳定性方面具有更好的性能.以参数未知统一混沌系统的同步控制为研究对象，合理设计同步控制器，并对同步系统的稳定性进行理论分析.通过对同步比例因子的设置，实现统一混沌系统的完全同步、反同步、投影同步等多种同步方式.仿真实验结果表明该方法能够实现对未知系统参数的精确辨识以及驱动-响应系统的有效同步控制，验证了所提方法的可行性与有效性.     

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.     

混沌量子克隆优化求解认知无线网络决策引擎

通过分析认知无线网络引擎决策, 给出了其数学模型, 并将其转化为一个多目标优化问题, 进而提出一种基于混沌量子克隆的优化求解算法, 并证明了该算法以概率1收敛. 算法采用量子编码, 利用Logistic映射初始化抗体种群, 设计了一种基于混沌扰动的量子变异方案. 最后, 在多载波环境下对算法进行了仿真实验. 结果表明, 与QGA-CE(基于量子遗传算法的认知引擎)算法相比, 本文算法收敛速度较快, 具有较高的目标函数值, 可以对无线参数优化调整, 满足认知引擎的实时性要求.     

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.