混合方法优化的自适应引力搜索算法

针对引力搜索算法存在的易早熟收敛、易陷入局部最优、搜索精度有待提高等缺陷,提出一种混合方法优化的自适应引力搜索算法（gravitational search algorithm,GSA）。首先利用Sobol序列初始化种群,增强算法全局搜索能力;其次引入Hamming贴进度计算种群成熟度,判断种群是否早熟;然后引入Logistic混沌对种群作混沌搜索,变异已陷入局部最优的粒子位置;最后基于早熟收敛判断因子改进引力系数,并为粒子位置公式添加收缩因子,促使种群加快脱离局部最优。对9个不同类型的基准测试函数做仿真实验,结果表明新算法能有效改善种群的早熟问题,具备更好的寻优性能。     

离散混沌测量矩阵构造及其性能研究

若测量矩阵满足约束等距性(restricted isometric property, RIP),则样本能够完美恢复出原始信号。而对于给定矩阵很难验证其是否满足RIP需求,因此,本文采用李雅普诺夫指数作为一种针对离散混沌测量矩阵的验证指标。首先分析了RIP与李雅普诺夫指数之间的联系,然后给出了一种分段式混沌映射构造方法用以提高混沌性能,并从理论和仿真上证明了该方法的有效性。实验结果表明,这种方法不仅提高了混沌序列的随机性和自相关性,而且所生成的测量矩阵也具有更好的性能。因此,引进李雅普诺夫指数是一种有效的验证离散混沌测量矩阵性能的方法,提高李雅普诺夫指数能够提高混沌测量矩阵的性能。     

间歇控制实现混沌同步及图像保密通信

以间歇控制实现驱动-响应混沌系统同步为基础,提出了一种新型彩色图像保密通信方案.采用改进的混沌信号与图像信号混合得到加密信号,并通过间歇控制的无控制窗口传输,提高了通信的安全性.最后,数值仿真结果表明该方案密钥敏感性强,抗统计分析能力好.     

EWB仿真运算放大器混沌电路

运算放大器自身的限幅特性是典型的非线性特性,使得非线性或分段线性器件无须特意构造,简化了电路设计。本文分析一种限幅运算放大器混沌电路结构及其电路方程,仿真该电路的混沌相图与混沌演变。     

基于DWT和DCT数字图像鲁棒水印算法

基于离散小波变换和离散余弦变换,利用混沌系统的优良特性,提出一种新的变换域水印算法.水印嵌入时,首先将宿主图像进行小波变换后选取中频区域,再进行DCT变换,根据水印图像大小进行分块嵌入水印算法在保证不可见性的前提下,最大程度的保证了水印算法的鲁棒性.仿真实验表明,算法在多种攻击下表现出良好的鲁棒性,具有一定的实用意义.     

不同理性预期下Stackelberg模型的动态复杂性

构建双寡头参与人分别采取有限理性和天真理性预期的Stackelberg博弈模型,研究市场均衡的稳定性条件及动态复杂性特征.通过理论求解和数值模拟得出结论:参与人在不完全信息和不同理性情况下,Stackelberg模型的参数取值范围决定了动态系统的稳定性、产量分岔、利润分岔、奇怪吸引子、吸引子维数和混沌等;如果参数取值满足一定条件,静态Stackelberg推测变差均衡能够实现;否则,Stackelberg推测变差均衡不稳定,非线性动态经济系统可能会出现周期变化或混沌的现象.     

集值离散动力系统的拓扑遍历性、拓扑熵与混沌

设(X,d)为紧致度量空间, f: X→X连续, (K(X),H)是 X所有非空紧致子集构成的紧致度量空间. 通过研究点运动与点集运动的关系, 证明了集值映射拓扑遍历 与f拓扑双重遍历等价并构造一个零拓扑熵且不具有任何混沌性质的紧致系统, 其诱导的集值映射有无穷拓扑熵且分布混沌, 表明集值离散动力系统的拓扑复杂性可以远远大于原系统.     

弱耦合Josephson结系统稳定性

分析了弱耦合的Josephson结系统在外加强迫力作用下的运动状态,阐述了其系统的稳定性,以便能够更好地控制系统的动力学行为.     

基于自适应控制的超混沌同步及其仿真

通过对参数不匹配、结构不同等情况下Chen氏超混沌系统与Lü氏超混沌系统的异结构同步问题,提出了一种基于自适应控制的超混沌系统同步改进方法;并用双通道实现超混沌同步保密通信:一个通道传送超混沌系统的输出信号实现高精度同步,另一个通道传送用超混沌信号调制的信息信号.该方案利用超混沌信号进行数字信号保密传输,保密性更强;并且仅传输两路超混沌信号即可实现混沌同步和信号调制解调,信道利用率高;同时,自适应控制器设计简单,具有很强的工程应用前景.     

嵌入隔离小生境技术的混沌粒子群算法

针对标准粒子群算法(standard particle swarm optimization,SPSO)无法很好平衡全局与局部搜索能力,且收敛速度较慢、易于早熟收敛等问题,提出了嵌入隔离小生境技术的混沌粒子群算法(isolation niches em-bedded in chaos particle swarm optimization,INCPSO)。利用隔离小生境技术,保证了解的多样性,同时,引入混沌搜索策略,提高了解的搜索精度和收敛速度,且避免早熟收敛。仿真试验结果表明,与标准粒子群算法和只嵌入隔离小生境技术的粒子群算法(isolation niches particle swarm optimization,INPSO)相比,嵌入隔离小生境技术的混沌粒子群算法对复杂问题的求解能力较强,寻优性能较好。