基于精英反向学习的混沌布谷鸟搜索算法

布谷鸟搜索(Cuckoo Search,CS)算法高效简单,但在求解复杂问题时收敛效率较低.为提高CS算法的寻优精度和收敛速度,提出了一种基于精英反向学习的混沌扰动布谷鸟搜索算法(CH-EOBCCS).该算法引入精英个体,通过精英个体反向学习生成精英反向解,从当前解和精英反向解中挑选优异个体作为下一代种群,同时,在迭代中对鸟巢位置采用混沌扰动策略,扩大种群多样性,有效的提高了算法全局搜索能力和搜索精度.通过8个标准测试函数对比实验,结果表明加入混沌扰动的精英反向学习布谷鸟搜索算法具有较强的搜索能力和较高的寻优精度.     

电场作用下HR神经元的分岔分析及参数辨识

详细分析了电场作用下四维Hindmarsh-Rose（HR）神经元模型的分岔模式及放电行为。通过数值仿真得到该神经元模型的多组双参数分岔图、最大Lyapunov指数图、峰峰间期分岔图等,发现该模型在双参数平面上存在倍周期分岔、加周期分岔等模式及“锯齿状”混沌结构。通过构建合适的目标函数,提出了自适应混合粒子群遗传算法,将神经元模型的参数辨识转化为最优化问题。数值仿真结果表明,算法对神经元模型的参数辨识效果较好,能更准确地辨识未知参数,具有一定优越性。     

集群系统任务调度算法

任务调度是集群系统的关键技术之一,针对总线结构DAG模型下的任务调度问题,提出一种基于混沌改进的遗传模拟退火算法,简称Chaos-GSA。该算法在原有遗传模拟退火算法的基础上引入混沌系统,改进种群初始化方法和交叉、变异算子,提高算法的收敛速度,并在降温时考虑染色体资源平均利用率,使具有较大资源利用率的个体更容易被选择。实验结果表明:该算法与传统GSA算法相比,有明显的优越性,可以减少时间跨度,提高资源的利用率。     

一类四维连续动力系统的动力学研究

基于动力系统的基本理论,研究了超混沌系统的平衡点、不变集、吸引集等问题.对任意正参数,得到了该混沌系统吸引集统一的数学表达式.并利用各吸引集的交集得到了该混沌系统吸引集的更精确估计.     

一种基于多样性策略的粒子群算法

在扰动粒子群算法的基础上,提出了一种基于多样性策略的粒子群算法(ARPPSO)。该算法通过随机扰动全局极值对速度进行更新,并在速度更新中引入吸引和排斥机制控制种群多样性,同时在位置更新公式中,利用真实物理反弹理论将解空间外的粒子反弹回解空间内,有效地保持了种群的多样性。提出的算法经过基准函数的模拟实验验证,并与其他已有算法进行了比较。实验结果表明,除了保持粒子快速收敛性能外,很大程度上避免了早熟收敛,提高了收敛精度。特别是在复杂多峰函数优化上具有很强的竞争力。     

基于最大相关熵的簇稀疏仿射投影算法

在系统辨识、回声消除、即时翻译系统中,背景噪声往往呈现出很强的脉冲特性,传统的自适应滤波算法对脉冲噪声的鲁棒性较差,而基于最大熵准则的自适应滤波算法可以有效地提高脉冲噪声环境下的自适应算法辨识性能.本文提出了一种基于最大相关熵准则的簇稀疏鲁棒仿射投影(Cluster-sparse robust affine projection,CS-RAP)算法,它可以用于辨识回声系统、卫星通信系统等簇稀疏系统.我们在基于最大相关熵准则的仿射投影算法的代价函数中引入权向量的混合L_(2,1)范数约束来利用系统的簇稀疏特性,采用基追踪法来推导CS-RAP算法.最后通过各种仿真实验,来验证提出的CS-RAP算法的鲁棒性和有效性.仿真结果表明,在脉冲噪声环境下,CS-RAP算法与其它相关算法相比具有更快的收敛速度和更低的估计偏差.     

新三维非线性混沌系统的动力学特性分析

基于动力系统的理论和方法,结合理论分析和Matlab仿真,利用微分方程比较定理和多元函数的Lagrange 乘数法,研究了一类新混沌系统的最终界和全局指数吸引集.对于系统的任意参数,分别得到了该混沌系统最终界和全局吸引集统一的数学表达式.最后,Matlab模拟验证了理论结果的正确性.为该系统的混沌控制、混沌同步、混沌吸引子维数的估计提供了理论依据.     

基于耦合混沌和循环移位的彩色图像加密算法

针对彩色图像RGB分量的特点,为了提高加密的安全性能,改写Logistic、Cubic、Chebychev映射构造耦合混沌加密系统,由Henon混沌映射生成行列和像素循环移位矩阵,实现像素位置置乱和像素值的置换;设计了密钥参数动态扰动数学模型、RGB分量的单独和联合加密方案.该算法钥密空间大且敏感性强,直方图均匀且相关性小.通过水印、自然和绘画书法图像的仿真试验,结果表明该算法能有效抵抗穷举、统计和差分攻击的能力,彩色图像加密安全性高.     

应用精英反向学习策略的混合差分演化算法

针对传统差分演化算法在演化后期收敛速度变慢的问题,利用精英个体的良好信息,在一般反向学习方法的基础上,提出精英反向学习策略,并融合降低参数敏感性和变异策略敏感性的机制,设计了一种基于精英反向学习策略的混合差分演化算法(EOCoDE),从理论上证明了该算法的全局收敛性.新算法使用精英反向策略初始化种群,在进化过程中,如果满足预设定的学习概率,就执行精英反向算子,否则,随机组合参数知识库和策略知识库中的知识来产生差分演化种群.对比实验结果表明,精英反向学习策略比一般反向学习策略具有更强的搜索能力,EOCoDE算法的性能具有明显优势.     

基于自主扰动变异差分视频的关键帧提取算法

针对传统的支持向量机学习算法(SVM)在对视频关键帧提取过程中普遍存在学习参数不易确定,准确度偏低的问题,提出一种自主扰动变异差分SVM算法用来对视频进行关键帧提取.首先,对差分进化算法的生物学机理进行研究,提出一种改进的自主扰动变异方式.其次,结合改进形式的自主扰动差分进化算法对SVM参数进行选取优化,设计了基于该改进差分SVM算法的视频关键帧提取算法.通过在标准测试函数及视频测试数据库中的实验表明,改进的自主扰动变异差分视频关键帧提取算法能够更加有效地优化支持向量机参数,从而有助于改善视频检索的查全(准)率两个算法性能评价标准.     

一种基于小波系数动态量化的鲁棒数字水印算法

提出了一种改进的基于动态量化小波系数的鲁棒水印算法.水印通过动态量化嵌入到载体图像小波变换的高频子带上,混沌优化用于搜索嵌入水印的最大可用块数,中国剩余定理用于安全地产生动态量化参数.该算法和Lin等人提出的数字水印方案相比,不仅具有良好的隐蔽性、安全性和不可感知性,同时,算法也具有良好的抗压缩攻击等鲁棒性能.仿真结果验证了算法的有效性.     

一种基于精英云变异的差分演化算法

针对传统差分演化算法在演化过程中存在少数个体出现停滞的现象,提出一种基于精英云变异的差分演化算法.该算法在演化过程中统计出每个个体的停滞代数,当一个个体的停滞代数达到指定的阈值时,对该个体执行精英云变异操作,使其向最优个体靠近,从而加快收敛速度;同时以一定的概率对所有个体执行一般反向学习操作,以增加种群的多样性.对比实验结果表明该算法在收敛速度和求解精度上均具有一定的优势.     

基于分段Logistic混沌映射的单向Hash函数

提出了一种基于循环迭代结构的明文消息分段Hash函数算法.该算法以明文消息和初始密钥作为混沌系统的初始条件,通过迭代计算过程中包含的循环移位操作保证了所给算法具有单向Hash函数的不可逆性、防伪造性以及初值敏感性等特点.为了有效改进基于混沌系统的单向Hash函数的安全性能,本文构造了一种分段非线性混沌映射:分段Logistic混沌映射.实验结果表明,基于分段Logistic混沌映射的Hash函数具有良好的单向性、弱碰撞性等性能.     

分数阶统一混沌系统的耦合同步研究

分数阶混沌系统的同步是非线性科学的研究热点.由于目前研究分数阶混沌同步方法还很少,作者研究了基于相互耦合的分数阶统一混沌系统同步方法.根据Lyapunov稳定性理论和Gerschgorin定理推导出了整数阶混沌系统耦合同步定理,将整数阶同步理论扩展到分数阶混沌系统,利用整数阶统一系统同步条件结合仿真方法来确定耦合系数,进而实现分数阶统一混沌系统耦合同步.研究表明,根据整数阶同步理论研究分数阶混沌系统同步的方法是一种有效的分析方法,分数阶统一混沌系统可通过相互耦合方法达到同步.     

基于多样变异随机搜索的差分进化算法

为解决差分进化算法(DE)易陷入局部最优、收敛速度慢等问题,提出一种基于多样变异随机搜索的差分进化算法(DMSDE),并证明算法依概率收敛.DMSDE算法在保留DE算法变异操作的同时采用变异比例因子自适应调整策略提高种群进化效率;然后利用改进的交叉算子加快算法收敛速度;此外,构造了一个新颖的多样变异算子来增强算法局部搜索能力并确保种群多样性.通过8个常用标准测试函数上的实验表明,所提出的算法在收敛精度、稳定性、收敛速度方面都优于其他5种算法,具有较高的优化性能.     

随机自治状态空间模型的正交梯度辨识

提出了随机自治系统参数的正交梯度二步递阶优化方法．通过极小化输出预报误差得到了系统参数估计;给出了正交梯度搜索方法用于解决系统参数的非唯一性问题,系统参数的二步递阶优化辨识方法包括两步：首先用给出的自适应L-M算子正交梯度方法确定参数优化方向;其次由一维搜索方法计算最佳步长．蒙特-卡罗数值仿真试验表明本文提出的方法具有收敛速度快、抗噪能力强以及数值稳定性好等优点．     

一种综合学习粒子群优化算法

针对复杂多峰函数优化,提出了一种综合学习粒子群优化算法(IELPSO)。该算法把基于超球坐标系的粒子更新和辨识、加速质量差的粒子两个策略引入基于例子学习粒子群优化算法(ELPSO)。本算法利用超球坐标操作改变粒子大小和方向,因而粒子在搜索过程中能覆盖局部极小,同时能发现最差粒子并且加速它们靠拢最优解。提出的算法与其他已有算法进行了比较,对几种典型函数的测试结果表明,IELPSO算法提高了收敛速度和精度,全局搜索能力有了显著提高。     

基于多个一维混沌映射系统的多重加密算法

本文提出了一种新的基于多个一维混沌映射的对称加密算法,该算法利用了混沌系统的伪随机性;在加密或解密过程中,该算法产生了在固定区间的混沌伪随机序列,并对各种类型文件的信息进行了加密与解密处理,还分析了本密码系统的性能.实验结果发现:与Kocarev的算法相比,本算法的安全性明显增强了对已有的攻击方法有了更强的抵抗能力.     

基于策略隐藏属性加密的云访问控制方案

基于策略隐藏属性基加密(ABE,attribute based encryption)算法,提出了一种适用于云环境的访问控制方案PHACS(policy hiding access control scheme).该方案在基于属性访问控制的基础上,借鉴单向匿名密钥协商的思想,既能够进行细粒度的访问控制,又有效地避免了由于访问控制策略泄漏造成的隐私问题.另外,PHACS中策略表达支持任意门限或布尔表达式,解密操作能够在计算能力受限的设备上实施.本文对方案的安全性进行了证明,并通过理论与实验分析表明PHACS能很好地适应云存储中数据共享的访问控制.     

高斯骨架差分进化算法与回声状态网络的结合应用

针对回声状态网络(ESN)对于不同时间序列的学习上无法有效地确定储备池参数的问题,提出一种新型预测模型。利用改进的高斯骨架差分进化算法(DE)来优化回声状态网络。在DE算法中引入了变异策略选择因子,并将选择因子随个体共同参与进化,使每个个体执行当前最适合的变异策略。改善了原始DE算法进化过程中的盲目性,同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点,最后为避免算法早熟加入停滞扰动策略改善算法的寻优性能。为验证模型的有效性,对Mackey-Glass时间序列、赣州月平均气温数据集进行仿真实验。由实验结果可知,该模型可以提高时间序列的预测精度,且具有良好的泛化能力及实际应用价值。