基于混沌搜索和模式搜索的混合优化方法

混沌搜索能够有效跳出局部极小,然而其细搜索能力不足;模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.为了提高基于混沌搜索的优化方法的搜索精度,基于混沌搜索和模式搜索,本文提出了一种混合混沌模式搜索方法.该方法在混沌搜索的基础上再进行模式搜索得到最终的搜索结果.混沌搜索结果的精度不需要很高,却可以为模式搜索提供有效的初始点,避免搜索陷入局部极小,只需要简单搜索即可得到理想的最优解.仿真结果表明混合混沌模式搜索方法简单、高效.     

一种基于状态空间搜索的混沌分组密码

传统分组密码的结构缺陷性比较明显,使得密码安全性大大降低.奉文设计并实现了一种基于混沌状态空间搜索的混沌分组密码.提供了状态空间搜索过程,引入了参数变换单元,最后进行了性能分析.在搜索过程中,密码分析者无法得到混沌轨道信息,从而不能利用混沌理论工具进行攻击.     

新型混沌优化方法的研究及应用

为了克服现有混沌优化方法在大空间，多变量问题中的不足，提出了一种新型的混沌优化方法，该方法利用了一类在有限区域范围内折叠次数无限的一维迭代混沌自映射进行混沌搜索，比一般的有限折叠次数代混沌自映射具有更好的混沌特性，因此，选取优化变量的搜索空间，并不断提高搜索精度，构造新型的混沌优化方法，实验算例和仿真结果表明，新型混沌优化方法具有较高的搜索效率与搜索精度，是解决优化问题的一种有效方法。     

基于区间套混沌搜索的混合优化方法

基于对Logistic映射混沌变量概率分布的研究,提出了一种区间套混沌搜索方法,避免了混沌搜索的盲目性.将区间套混沌搜索方法与共轭梯度法结合,提出了一种混合优化方法,利用区间套混沌搜索方法搜索到近似最优点,再用共轭梯度法求得最优点.数值计算结果表明,该方法可显著提高优化效率.     

基于自适应混合引力搜索算法的混沌系统参数辨识

针对混沌系统未知参数的辨识问题,结合人工蜂群搜索算子和混沌优化策略,提出一种自适应混合引力搜索算法,并应用于混沌系统未知参数的优化辨识.利用混沌序列初始化种群以增强搜索初期的遍历性,基于人工蜂群搜索算子进行变异操作以提高算法的局部寻优能力,依据粒子的性能对进化过程中的万有引力系数进行自适应调整,有效避免了早熟收敛,提高了算法的整体寻优性能.以测试函数和典型混沌系统为例进行仿真实验,结果证明该算法具有良好的全局探测和局部开发能力,与遗传算法、粒子群算法、量子粒子群算法和引力搜索算法比较,其对混沌系统参数的估计具有相对较高的辨识精度和收敛速度,算法的有效性得到了验证.     

基于混沌和蚁群算法测量圆度误差

提出一种基于混沌和蚁群算法计算圆度误差的方法,它将混沌搜索与蚁群算法相结合,在蚁群搜索完成后,利用混沌进行搜索,以提高搜索精度.简要地介绍了混沌和蚁群算法的基本原理,详细地描述了蚁群算法和混沌解决圆度误差评价问题的步骤.最后给出实验结果.仿真实验结果表明,这种方法可以有效、正确地评价圆度误差,克服了利用最小二乘法评价圆度误差的局部收敛问题.     

基于混沌搜索的优化方法的研究进展

混沌是非线性系统中的一种较为普遍的现象,混沌现象具有随机性、遍历性和规律性的特点。在优化设计领域中,混沌现象的遍历性特点可以作为搜索过程中避免陷入局部极小的一种优化机制。目前混沌已经成为一种新颖的全局优化技术,基于混沌搜索的优化方法的研究受到了人们的重视。通过改进混沌搜索方法本身或是结合模拟退火、遗传等算法,优化性能获得提高。该文在大量文献的基础上,对基于混沌搜索的优化方法及其研究进展进行了总结。     

多极值函数的混沌优化法

为了克服混沌优化方法在缩小优化变量的搜索空间前所进行的全局性、遍历性的盲目搜索,提出了一种基于混沌搜索方向的全局最优方法。在多维函数优化当中,该方法首先通过混沌机制确定搜索方法,将问题转化为一维搜索问题,然后采用其他搜索算法求解一维优化问题,此方法有利于改善盲目搜索的缺点。仿真结果表明该方法在搜索速度上具有一定的提高。     

混沌免疫模糊聚类算法在图像边缘检测中的应用

针对图像处理中的模糊边缘检测问题,提出一种混沌免疫模糊聚类算法.该算法把混沌变量加载于免疫算法的变量群体中,利用混沌搜索的特点对群体进行微小扰动并逐步调整扰动幅度,明显改善了免疫算法的群体多样性.实验结果表明,该算法不仅具有很强的模糊边缘和微细边缘检测能力,而且可以提高基于人工免疫进化算法的模糊聚类算法的搜索效率.     

混沌变步长量子遗传算法

针对多数量子遗传算法在搜索解时没有充分利用搜索过程中的先验知识的问题,结合混沌运动的遍历性和量子遗传算法的群体搜索性,提出一种基于混沌变尺度梯度下降的量子遗传算法.算法采用梯度下降法对量子遗传操作获得的优良个体进行局部搜索,引导种群的进化.结合混沌优化策略产生自适应步长,在搜索初期加快寻优速度,随着搜索逐渐接近最优点,混沌产生的小步长实现在最优解所在的小范围内进行精确搜索.实验结果表明,该方法的综合性能优于传统的量子遗传算法及遗传算法.     

混沌人工蜂群算法

针对人工蜂群算法搜索精度较低、容易陷入局部最优的缺陷,将混沌搜索机制融入了人工蜂群算法,利用混沌机制重置个体,以保持个体的多样性;同时加入全局最优个体信息和惯性调整因子对个体位置进行更新,提出了混沌人工蜂群算法,并将该算法应用于水电站经济调度问题.实验结果显示,混沌人工蜂群算法搜索精度高、速度快,鲁棒性强,是一种较实用的优化算法.     

基于自适应混沌变异粒子群算法的地震参数反演

提出了一种改进的基于自适应混沌变异的粒子群优化算法来解决地震参数反演问题.该算法提出自适应飞行策略,根据搜索能力对粒子群进行划分,增强了子群间的协同能力,使算法具有良好的全局寻优能力;两阶段混沌变异策略能够在粒子进化的不同阶段进行自适应性搜索,使算法具有较高的搜索精度.实验结果表明,该算法可有效避免标准PSO算法的早熟收敛,具有寻优能力强、搜索精度高、稳定性好等优点.首次将该算法应用于地震参数反演问题,结果表明该算法提高了反演精度且不受初始模型影响,能够较好地解决地震参数反演问题.     

土钉支护危险滑动面搜索的混沌优化方法

将混沌优化方法运用于土钉支护危险滑动面的搜索.基于圆弧滑动面模型,选择滑动面与基坑的交点和滑弧所对应的圆心角为优化变量,以安全系数为目标函数,利用变尺度混沌优化方法建立了危险滑动面搜索的混沌优化数学模型.以某深基坑工程为例,利用该方法得到了土钉支护各个施工阶段的危险滑动面,比较了不加钉、本步已加钉和本步尚未加钉3种工况下的安全系数.研究结果表明:对于每一施工步,第1种工况安全系数最小,第3种工况安全系数最大,第2种工况安全系数居中;变尺度混沌优化方法效果主要取决于搜索次数,其次为载波次数;混沌优化方法具有较强的稳健性,是一种有效的危险滑动面搜索方法,并可推广用于非圆弧滑动面搜索.     

融合混沌和捕食搜索的混合粒子群算法

针对标准粒子群算法在处理复杂函数时存在的收敛速度慢、易陷入局部最优的缺点,提出了新的混合粒子群算法.该算法利用混沌运动的遍历性、对初始条件的敏感性等特性进行群体的混沌初始化,且捕食搜索策略可以通过调节限制级别的控制粒子群的搜索空间,从而平衡全局搜索和局部搜索.测试结果表明,新算法具有更快的收敛速度和更强的全局寻优能力.     

一种基于种群熵的混沌小世界优化算法

针对小世界算法在复杂函数优化中存在的停滞现象,以及低局域短连接的搜索效率问题,提出了一种基于种群熵的混沌小世界算法.根据信息熵建立了种群个体浓度,并以个体浓度和个体适应度作为评价标准进行高浓度的个体更替,从而实现了种群的自我调节和多样性保持.利用混沌变量的遍历性和随机性,通过Logistic映射生成初始种群,采用混沌扰动对短连接后的个体进行局部搜索,从而提高了小世界算法的搜索效率和搜索精度.试验结果表明,该算法不仅明显改善了小世界算法的搜索能力,而且搜索效率也得到了显著提高.     

自适应折叠混沌优化方法

针对传统混沌优化方法中优化结果对搜索初始值要求极高以及搜索效率较低的问题,提出一种自适应折叠混沌优化方法。该方法首先提出一种新型无限折叠混沌映射,并证明了该映射无有理数不动点;根据映射关系式建立混沌模型求解Lyapunov指数,并基于该混沌模型对搜索初值采用大幅度改变和小幅度改变两种方式来考察映射对初值的依赖程度。采用所提映射取代传统的有限折叠映射作为混沌产生器,提高了混沌的动态优化性能,通过在优化过程中不断缩小优化变量的搜索空间来提高搜索效率和精度。实验结果表明,该方法的优化结果不依赖于初始值位置,具有搜索效率高的特点。与Logistic映射和Tent映射优化方法相比,平均搜索效率分别提高了71.6%和62.6%。     

基于混沌理论的涡流搜索算法

基于混沌变量遍历性、随机性和规律性的特点,提出一种混沌涡流搜索算法。混沌涡流搜索算法应用混沌映射机制更新涡流搜索算法的备选解,增加了种群多样性,增强了算法的搜索能力,提高了算法的收敛速度。为了验证混沌涡流搜索算法的性能,采用9个著名的测试函数进行测试,并与粒子群算法、人工蜂群算法和萤火虫算法对比,实验结果表明混沌涡流搜索算法具有良好的收敛精度、收敛速度和搜索能力。     

自适应混沌遗传混合算法及其参数敏感性分析

提出自适应搜索空间的混沌遗传混合算法.该方法不同于一般的混沌遗传混合算法,它在遗传进化的过程中根据群体多样性测度引入混沌算子,并从全局搜索空间以随机概率解析出优秀解域,对个体分两个区域进行混沌扰动:优秀解域细搜索和全局解域大扰动.数值仿真表明该算法既加快了收敛速度又提高了收敛精度,解决了传统遗传算法的早熟问题.     

一种混沌神经网络及在优化计算中的应用

提出了一种混沌神经网络模型。在Hopfield网络中引入混沌机制,首先在混沌动态下搜索,然后利用HNN梯度优化搜索。对非线性函数的优化问题仿真表明算法具有很强的克服陷入局部极小能力。     

基于多混沌算子遗传算法的混合动力汽车控制策略优化

为某款装备了电池/超级电容混合储能系统的并联型混合动力汽车设计了模糊控制策略.结合遗传算法的种群进化和混沌序列的随机遍历特性,将混沌初始化算子、混沌扰动算子、混沌局部搜索算子引入多目标非占优排序遗传算法(NSGA-II)中,构建了新的多混沌算子遗传算法(MCO-NSGA-II).运用MCO-NSGA-II算法进行了混合动力汽车模糊控制策略优化,以改进车辆的燃油经济性及HC、CO和NOx的排放性能.仿真结果表明,混沌初始化算子和混沌扰动算子可以改善原NSGA-II算法的搜索能力并增加种群多样性,而混沌局部搜索算子可以进一步增强算法局部搜索能力,能更好地搜索到理想的Pareto解集.运用MCO-NSGA-II算法进行优化,使混合动力汽车在欧洲城市驾驶循环(ECE)下的燃油消耗降低了11.8%,HC、CO和NOx排放分别下降了7.72%、15.72%和11.77%.