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.     

不同混沌序列对全局最优解的搜索影响

通过对Logistic映射、立方映射和无限折叠映射进行了比较,并分析了他们的混沌特性,通过实验仿真和数据统计,发现后两种映射所产的混沌序列更均匀些,加快了搜索全局最优解的速度.而混沌优化算法在解决多极点的优化问题时能够体现出它的优势.通过对传统的优化算法和混沌优化算法进行比较,并应用于求解多极点的全局最优解,得出的结论是,在解决多极点的优化问题时,混沌优化算法明显优于传统的优化算法.     

采用并行计算的混沌优化方法

基于混沌理论的基本概念,分析了几种不同的混沌变量用于优化问题的方法,针对混沌算法对初始值的敏感依赖性,提出了采用并行计算的混沌优化方法(P-Chaos)。令搜索从不同的初始值同时出发,降低对初始值的敏感度,加快搜索速度。对3个测试函数进行优化计算仿真的结果表明,并行混沌优化方法取得了满意的应用效果。     

TCP拥塞控制中的死锁与混沌

为了研究传输控制协议(TCP)拥塞控制中的死锁和混沌现象,提出TCP发送端解除死锁的方法,以避免因为死锁而导致网络传输的不公平性,该文通过分析logistic映射的初始值对其状态的影响,证明了不同的初始值会改变混沌系统的状态。把该证明结果用于分析TCP拥塞控制,指出了对于确定参数的网络系统,不同的初始值会导致网络处于周期变化、混沌或不稳定状态,而死锁就是不稳定状态。因此,TCP发送端可以采用改变初始值的方法来避免死锁。仿真表明,该方法能有效地解除死锁,使网络回到混沌状态,提高网络传输的公平性。     

一种基于外部密钥的混沌加密方法

提出了一种基于斜帐篷映射的混沌加密方法。分析了斜帐篷映射的数学性质,该混沌系统生成的混沌序列具有良好的统计特性。该方法采用128位二进制数代替系统参数作为密钥,混沌映射所需的所有参数都由外部密钥计算产生,通过随机改变混沌的迭代次数、分段的频率以及改变混沌的初始值和参数,提高混沌序列的复杂度,增加了混沌系统的安全性。同时引入扩散机制,当明文仅出现微小的变动时,使得对应的密文与变动之前的密文完全不同,增加了密文分析的难度。仿真实验和理论分析都证明该算法具有较高的效率和安全性,能够有效抵抗统计攻击和已知明文攻击。     

基于混沌自适应引力搜索的模糊C均值聚类算法

针对传统模糊C均值聚类算法(FCM)易陷入局部极小值和对初值敏感的缺陷,提出一种基于混沌自适应引力搜索的模糊C均值聚类算法.首先采用自适应的更新粒子速度和混沌优化粒子最优位置的策略,对引力搜索算法进行改进.其次,用改进的引力搜索算法优化FCM的初始聚类中心.在Iris和Wine数据集上的实验表明,该算法具有很强的全局搜索能力,提高了聚类的效果和效率.     

一种求解非线性方程组的混沌算法

将解非线性方程组的Newton迭代法与混沌映射相结合，提出了一种用混沌初值的迭代算法，该算法具有搜索逼近非线性方程组全部解的能力。     

混沌伪并行遗传算法及其在火力分配优化中的应用

剖析了混沌模型的随机性、遍历性和初值敏感性的特点,提出了多种群伪并行混沌遗传算法.把多群体伪并行进化的并行性和混沌运动的内在随机性结合起来,利用不同的混沌扰动策略,把混沌变尺度映射机理应用到种群初始化和中间群体的优化进化实现函数优化.仿真结果表明,混沌伪并行遗传算法比伪并行遗传算法和简单遗传算法具有更快的收敛速度和更高的最优解搜索成功率,可对火力分配进行优化.     

一种新的混沌扩频序列的研究与应用

在分析目前被广泛研究的Logistic映射的基础上,提出了一种复合混沌序列生成方案.该序列由两个不同初始值的两个Logistic映射复合而成,具有较高的安全性.对复合混沌序列初值敏感性、平衡性、自相关性、功率谱密度进行了分析,研究结果表明这种新型的序列具有较高的初值敏感性,优良的平衡性、自相关性和伪随机性.对该序列在直接扩频系统中的应用进行了研究,结果表明复合混沌扩频序列是一种有效的和可靠的扩频序列.