一种求解非线性约束优化问题的新方法

针对标准遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法,求解复杂非线性约束优化问题.算法根据实数编码的特点,依据概率分布函数构造杂交算子,结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法有效维持群体多样性,防止和克服进化中的“早熟”现象,同时采用不需要惩罚因子的直接比较惩罚函数方法,对约束条件加以处理.通过算例数值实验,验证了算法在提高解的精度和加快收敛速度方面都有明显改善.     

准熵的性质及其应用

准熵将信息论中熵的特定凸函数推广到任意凸函数,研究了这种推广能否提高熵的性能.提出并证明了准熵与熵的一些共同性质.以独立性度量问题为例,研究了凸函数对准熵最小值形状的影响,提出了凸函数品质因数的概念,用来刻画准熵最小值的显著性.发现了品质因数比熵中凸函数更好的无穷多凸函数.给出了凸函数品质因数在混沌信号分析中的应用实例.结果表明,根据特定应用,恰当选取凸函数,可令准熵获得比熵更好的性能.     

多用户正交多级差分混沌键控通信系统

针对传统差分混沌键控(differential chaos shift keying, DCSK)采用多电平方式传输多进制信息导致误比特率(bit error rate, BER)高的缺点,提出一种多用户正交多级DCSK(multi-user orthogonal multi-level DCSK, MOM-DCSK)通信系统。该系统将传输的多进制信息映射为不同的传输系数,多个传输系数分别乘以对应的Walsh码后调制在信息承载信号上,并且通过不同的延时传输多用户信息。在加性高斯白噪声(additive white Gaussian noise, AWGN)信道和多径Rayleigh衰落信道中推导了系统的理论BER公式并进行了仿真分析。结果显示,该系统在传输多进制信息时拥有较好的误码性能,并且在多用户传输领域中有较好的实际应用价值。     

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。     

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。     

三维粒子测速系统中遗传匹配法的设计

提出了基于遗传算法的三维粒子图像匹配方法及实际中的优化设计。该方法以视差为编码、结合SSD(sum of square difference)与SAD(sum of absolute difference)法对结果进行评估,并通过单点、多点的双交叉、变异与序列的混沌化处理达到对分析空间的搜索;最后,局部处理结合全局唯一性迭代检测进一步增加了匹配结果的可信度。利用优化前后所提算法对空间粒子图进行了对比及误差分析。结果表明:所提算法适用于粒子测速系统的立体匹配,能够给出较准确的视差信息。