一种混沌系统的设计及混沌序列码的生成方法

提出了一种新型的混沌系统的设计方案，并将其应用在混沌序列码的生成中。首先，设计了一种简单的、容易实现的混沌系统，并给出了该混沌映射数学特性。然后，在计算机模拟实验的基础上，仔细地分析了该类混沌系统的统计特点，结果显示由该类系统产生的混沌序列具有良好的统计特性，最后，把设计的混沌系统应用于混沌序列码的生成中，计算机仿真实验结果表明该文提出的混沌系统确实安全可靠且容易实现，混沌序列码也具有良好的相关性。     

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.     

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.     

双混沌神经网络及其在优化问题中的应用

分析了三种现有的混沌神经网络模型的优化性能,针对目前混沌神经网络收敛率不高和搜索时间较长的问题提出了一种双混沌神经网络。它不同于以往的混沌神经网络改进方法,不是延长退火时间或改变混沌程度来提高网络性能,而是通过混沌迭代搜索使混沌神经网络在有限步内找到全局最优解的初值来提高收敛率与收敛速度。这种方法能使混沌神经网络在应用中具有更好的全局优化能力,并且可以缩短混沌神经网络的搜索时间,对旅行商问题求解的仿真对比和函数优化问题的仿真,说明了新方法比现有方法具有更好的收敛率和更短的搜索时间。     

基于状态观测器的超混沌同步保密通信系统

提出了一种基于状态观测器的超混沌同步保密通信系统。用超混沌系统的多个状态量对信息信号进行复杂的加密后注入超混沌系统实现混沌调制,同时将加密后的信息信号混沌掩盖后传送出去。用状态观测器思想实现了发送系统和接收系统的同步,并在接收端将信息信号解密。由于用了超混沌系统的多个状态量对信息信号加密,增加了传输信号的复杂性,提高了通信系统的保密性。     

求解一类组合优化问题的混沌搜索法

把混沌引入各种传统的优化计算模型中以避免系统落入局部最优陷阱 ,是一种行之有效的方法 .本文提出一种利用混沌搜索一类组合优化问题最优解的模型 ,并对其进行了理论分析和数值模拟 .与混沌神经网络模型相比 ,本模型避免了模型参数选择的难题 ,具有实现方便 ,寻优效果好的优点 ,为解决一类组合优化问题提供了新途径.     

混沌学及混沌控制概述

混沌是现实世界中普遍存在的介于确定性和随机性之间的一类现象，它的提出使当今的科学研究有相当的改观。本文首先概要地介绍了混沌学的研究历史和结果。随后评述了当前混沌控制的几种方法。     

多层混沌神经网络及其在交通量预测中的应用

研究多层混沌神经网络及其在交通量预测中的应用问题。以BP网络和混沌理论为基础,提出了一种在隐层中包含混沌神经元的多层混沌神经网络。XOR问题实验得出:该混沌神经网络能有效地强化网络的非线性和学习效率。鉴于城市交通流具有明显的混沌特性,将该混沌神经网络应用于城市交通流的预测。对广东江门市某路口交通量的预测结果显示出:采用该混沌神经网络,预测误差一般可以控制在10%以下(或左右)。该网络还可以应用于其他混沌系统的预测和控制。     

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。     

基于超混沌同步的数字信息保密通信系统

建立了一种改进的新型超混沌系统模型,并提出了实现该超混沌系统同步的控制方法.然后,将该同步控制方法应用于基于混沌掩盖的数字信息保密通信.该方案中不需要将秘密传输的有用信息输入到驱动系统,且发送端只需要向响应系统传递包含两个状态变量的控制信息即可实现混沌同步.因此,该方法比已有方法具有更好的实用性.理论推导和计算机数值仿真实验表明了该方法的有效性.     

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。     

基于混沌遗传算法的板坯入库决策优化方法

针对热轧板坯库优化管理，分析了板坯入库操作流程，并建立了板坯入库决策的优化模型，考虑了板坯入库库位和垛位选择的多种原则，对一个板坯入库批次进行全局优化运算，可快速为板坯选择最优的库位和垛位。对于模型的求解方法，构造了一种自适应的混沌遗传算法，采用自然数编码方式，动态的在线调整算法的交叉和变异概率，并采用混沌优化方法作为变异算子。对生产数据进行实际排产的结果表明，建立的模型和算法切实可行，可应用于生产实际。     

一类混沌广告模型的直线控制

将参数扰动直线控制法引入到双寡头有限理性广告博弈模型中，建立了双寡头广告直线控制模型。研究两种不同情况下企业对系统进行控制，一是在NASH均衡点附近时引入直线控制，另一种是在较远的点时引入直线控制。通过理论分析和数值模拟发现，初期控制成本和控制效果依赖于企业控制点的选择和增益矩阵k的取值，在同一个控制点，控制效果与k值密切相关。同时指出对于处于混沌状态的企业，应选择在两企业的广告投入量位于NASH均衡点附近或两侧时，进行控制，将能够取得比较好的控制效果。     

一个新混沌系统的自适应同步

针对Rucklidge系统,修改其第二分量从而得到一个新的混沌系统.根据参数a,b,c的不同取值,用Matlab画出混沌吸引子,并分析了系统平衡点的稳定性.接着采用自适应的方法设计同步系统,在参数已知和未知的情况下采用不同的控制律,实现了混沌系统的同步.采用李雅普诺夫函数的方法在理论上证明了同步方法的有效性,进一步在Matlab上进行仿真,仿真结果表明这种同步方法也是快速有效的.     

一类混沌经济模型的阈值控制法研究

把利用相空间压缩来控制混沌应用于经济系统,并针对经济系统的特点引申出阈值控制法,即通过限制变量取值的上限或(和)下限来达到控制混沌的目的.并以2维动态产量博弈模型为例,以一个参与人采取控制和两个参与人同时参与控制等形式,成功地实现了模型混沌态的控制.通过控制前后企业累计利润的对比,可看出控制后企业的业绩可得到较大改善.     

复杂性度量方法的改进及其在证券市场的应用

系统地分析了Lemple-Ziv复杂性度量方法的应用过程中,将实际信号(时间序列)转变成符号序列的诸多方法中存在的一些问题,提出了更合理的处理方法,即兼容法.兼容法可以有效地刻画各种时间序列的复杂度,克服了均值法等方法中将序列过分"粗粒化"以致不能区分混沌与完全随机现象的缺点,克服了极值法与遗传密码粗粒化方法因只提取细节成分信息而导致辨别率不高等缺点.最后动态地分析了中国证券市场的复杂性.     

基于正交函数网络的不确定混沌系统的控制

提出了基于正交函数网络的不确定混沌系统的自适应控制方法．通过利用计算简单、收敛速度快的单隐层正交函数神经网络，构建了一类不确定混沌系统的控制器．利用李雅普诺夫稳定性定理得到了该网络控制器的权值更新规则并保证了权值误差和跟踪误差的有界性．该控制器不仅能够保证混沌系统以有界误差对指定轨迹进行精确跟踪，也能够使有外部扰动的混沌系统快速跟踪一个指定的轨迹．最后，利用陈氏混沌系统和Lorenz系统进行了系统仿真，结果表明了该控制器在混沌控制中的有效性。     

用混沌搜索求解非线性约束优化问题

提出了一种用混沌搜索求解非线性约束优化的新方法 .利用罚函数思想将约束问题无约束化 ,再利用混沌的内在随机性与遍历性进行求解 .算例仿真结果表明 ,算法简单实用 ,性能良好 ,是解决非线性约束优化问题的有效途径 .     

一种新混沌优化方法及在神经网络中的应用

将遗传算法和变尺度机制引入到混沌中，提出了一种新的混沌优化方法，并将此方法应用于神经网络的训练中。通过仿真研究证实，所提出的方法优于BP算法，能够达到指定的误差指标，具有一定的泛化能力，并且具有训练次数少、精度高、实施方便等优点。