三种混沌免疫优化组合算法性能之比较研究

利用混沌迭代的遍历性和内在随机性，提出三种混沌免疫优化组合算法，以弥补免疫进化算法收敛性能差的缺陷。这三种算法均综合了免疫进化算法和混沌优化算法各自的空间搜索优势，分别把混沌变量加载于免疫算法的总种群、遗传操作种群和记忆库种群的变量群体中，利用混沌搜索的特点对这些群体进行微小扰动并逐步调整扰动幅度。对三种算法的性能进行了实验比较，结果表明算法一具有更好的收敛性能和搜索效率。     

解旅行商问题的混沌蚁群算法

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解旅行商问题的混沌蚁群(CACO)算法.该算法的思想是采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值.与模拟退火算法、标准遗传算法进行比较,仿真结果表明该方法是一种简单有效的算法.     

基于混沌遗传算法的自动化生产单元调度方法

针对遗传算法在求解一类带时间窗口的自动化生产单元调度问题时易出现冗余迭代、收敛缓慢等问题,将混沌搜索技术引入至遗传算法中,通过将混沌初始化、混沌扰动与遗传算法的基本操作相结合,利用混沌运动搜索精度高、遍历性好的特点来提高遗传算法的收敛速度和优化质量.本文在给出自动化生产单元调度问题的数学模型的基础上,着重讨论了混沌遗传调度算法的设计,包括编码方式、混沌初始化、交叉操作、混沌变异操作和适应度函数的计算等.最后以自动化电镀生产线为例对提出的算法进行了验证,为此类调度问题提供了有效的算法.     

基于混沌克隆选择算法的工艺调度优化

将工艺规划和调度集成考虑是现代制造业中的一个重要环节.然而,这种条件下的优化必须要面对过多的约束条件,大量无效解的存在导致了传统的优化算法在实现上存在着很大的困难.针对这些问题,文章提出了引入免疫克隆算子简化求解过程,减少过多无效解带来无谓的计算时间消耗,同时考虑到克隆算子工作机理,引入混沌变量加载于算法的个体复制过程中,逐步对混沌变量进行微小扰动以调节搜索范围,明显的增加了克隆算法的群体多样性.将新设计的混沌克隆算子应用到工艺规划与调度的集成优化问题中,试验结果表明,该算法工艺成效显著且稳定,说明算法有应用到类似问题上的潜力.     

基于决策图贝叶斯网络的混沌优化算法

提出一种基于决策图贝叶斯网络的混沌优化算法,该算法把贝叶斯概率模型结合到混沌遗传算法中,通过构造和学习网络来替代传统遗传算法中的交叉重组和变异等遗传算子,避免了对大量控制参数和遗传算子的人工选择和重要构造块的破坏.同时,通过在决策图贝叶斯网络中引入混沌操作,对部分个体进行启发式变异,能有效提高群体多样性,避免早熟或局部收敛.仿真结果表明,提出的算法比改进前的决策图贝叶斯优化算法和混沌遗传算法均有更快的收敛速度,较强的鲁棒性.     

虚拟维修拆卸序列智能规划研究

提出了基于虚拟拆卸Petri网的虚拟维修拆卸过程模型和基于混沌遗传算法的虚拟维修拆卸序列规划算法,解决了如何对虚拟维修拆卸序列进行智能规划的问题.基于拆卸优先矩阵和Petri网,提出了一种虚拟维修拆卸过程模型建立方法,研究了模型生成算法,运用多粒度可达图计算方法分析了可行拆卸序列,建立了拆卸序列规划目标函数,在改进遗传算法的基础上,提出了一种混沌遗传算法,该算法以遗传算法为主流程,利用混沌现象不重复遍历的特点优化生成初始种群,然后对每次迭代中的个体以一定的概率进行混沌优化,解决了虚拟维修拆卸序列规划效率不高的问题.经验证,虚拟维修拆卸过程模型和采用的混沌遗传算法能够有效解决虚拟维修拆卸序列智能优化的问题.     

基于改进粒子群算法的飞行控制器参数寻优

提出了一种自适应参数策略的混沌粒子群优化算法。该方法将自适应加速度系数调整策略引入到PSO中,以有效地控制全局和局部搜索,并利用混沌运动的遍历性在解空间产生较大规模的初始群体,从中择优选出分布均匀的初始种群以提高粒子的质量,同时根据种群适应度方差对陷入早熟收敛的粒子进行混沌扰动,提高算法收敛的精度。将该方法用于飞行控制器的参数优化设计中。仿真结果表明:使用该方法能够有效地解决飞行控制系统的参数优化设计,极大地提高了飞行控制器参数的设计效率。     

混沌时间序列的混合遗传神经网络预测方法

在相空间重构理论的基础上,将改进的遗传算法和神经网络结合起来,提出了一种混合遗传神经网络预测混沌时问序列的方法.通过复相关法和Cao方法重构混沌时间序列,利用改进的遗传算法优化神经网络的结构、初始权值和阚值,然后训练神经网络求得最优解.该算法应用到混沌时间序列的预测中,验证了该算法的有效性,并与BP和RBF算法的预测精度进行了比较,仿真结果表明该算法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度.     

加速混沌优化方法及其应用

对混沌优化算法进行改进，提高了混沌优化算法的效率，加速混沌优化算法利用混沌运动的性质，同时不断缩小变量的搜索空间，在混沌优化搜索过程中，以具有一定保证的当前最优解为中心，不断地缩小优化变量的搜索区间，调整细化参数，促使搜索能够更快，更有效地全局最优解收敛，仿真计算表明算法有效。     

基于遗传算法的模糊延迟反馈控制混沌方法

将模糊控制、遗传算法与专用于混沌的延迟反馈控制相结合,提出了适合于控制混沌的模糊延迟反馈控制方法。它以延迟反馈的思想设计模糊控制器,并利用搜索能力强的遗传算法优化延迟时间和模糊控制器的参数,从而克服了确定控制刚度和延迟时间的困难,使混沌系统控制具有更好的快速性和鲁棒性。并控制了Rssler和Logistic混沌。仿真结果证实了该方法的有效性、快速性和鲁棒性。