二维Sine-Tent超混沌映射及其在图像加密中的应用

为了进一步增强混沌映射结构的复杂性,提高混沌映射的混沌性能达到增强图像加密算法的目的,本文提出了一种复合一维Sine和Tent混沌映射的二维超混沌图像加密算法.首先,将一维Sine混沌映射和一维Tent映射增加非线性项,将其中的一个变量作为扰动源对混沌映射的迭代过程进行扰动.构建了一个二维Sine-Tent超混沌复合映射,通过Lyapunov、分岔图指数等衡量标准,对该映射的超混沌特性进行了验证.基于此混沌映射,采用"比特级置乱-比特级扩散"策略,按照行列的顺序,对图像进行两次置乱,然后将置乱后的图像进行两次扩散,得到密文图像.最后通过密钥空间大小,差分攻击分析,自相关性分析,局部信息熵,算法鲁棒性进行了算法安全性分析,理论分析和实验仿真验证了该算法的有效性和实用性.

基于混沌映射和差分进化的改进蜻蜓算法

针对蜻蜓算法初始种群随机性大、算法权重参数调节困难导致算法收敛精度低,后期种群收缩限制导致算法活力不足、收敛速度慢等问题,提出一种基于混沌映射和差分进化的改进蜻蜓算法。通过Tent混沌映射,使种群初始化分布均匀;改进对齐权重、聚集权重和惯性权重,提高收敛速度和精度;引入差分算法,提高最后时刻收敛速度;最终选取9个测试函数做仿真试验对比。结果表明,相较于基础蜻蜓算法、差分进化蜻蜓算法,基于混沌映射和差分进化改进后的蜻蜓算法收敛速度和精度提升显著,避免陷入局部最优解,能获得稳定可靠的全局最优解。

基于Tent映射NSGA-Ⅱ算法的微电网多目标优化方法

为提高微电网运行的经济性、降低网络中的碳排放量和有功功率损耗,提出了一种基于Tent混沌映射NSGA-Ⅱ算法的微电网能量优化管理方法。该方法采用双层能量优化管理:上层采用模糊管理系统确定微电网运行模式,下层采用改进NSGA-Ⅱ算法对能量进行优化管理。首先在多约束条件下,建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型。其次在多目标优化数学模型求解过程中,引入Tent混沌映射方法来增加NSGA-Ⅱ算法的种群多样性,以提高算法的全局搜索能力,同时利用隶属度函数确定微电网能量优化管理策略。最后运用欧洲一典型微电网作为算例,验证本文所提基于Tent映射NSGA-Ⅱ算法的合理性和有效性,仿真结果表明:改进NSGA-Ⅱ算法具有良好的优化效果,使得微电网运行的经济性较传统算法提高了14.55%;碳排放量减小了3.10%,可实现对微电网多目标的优化。

基于阶梯式Tent混沌和模拟退火的樽海鞘群算法

针对樽海鞘群算法寻优迭代过程中存在容易陷入局部最优、收敛速度慢的问题,提出一种改进的樽海鞘群算法.引入Tent混沌映射初始化种群来提高算法迭代前期的收敛速度,通过惯性权值"阶梯式"调整策略来更好地兼顾算法全局探索能力和局部开发能力,通过模拟退火增强樽海鞘群算法迭代后期跳出局部最优解的能力,以基准测试函数和磁导航自动导引车模糊控制器参数寻优问题为例测试了算法性能.仿真结果表明,对于单峰和多峰测试函数,改进后的樽海鞘群算法具有更快的收敛速度和更强的全局寻优能力.相比较标准樽海鞘群算法的参数调节法,改进后的樽海鞘群算法所设计的磁导航自动导引车模糊控制器对磁偏差值控制性能更为优化,在控制器设计方面具有潜在的应用价值.

基于Tent混沌序列的数字图像加密方法

Tent混沌映射结构简单但产生的混沌序列随机性能好,采用NIST测试能权威地检测序列的随机性能。通常运用混沌加密数字图像时,都是指定初值和控制参数。在此使用改进后的混沌序列,把初值的产生和明文图像联系起来,对图像进行置乱,再改变灰度值。仿真验证了此算法加解密的有效性和良好的安全性能。

基于混沌精英和Lévy飞行策略的鲸鱼优化算法

针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)存在的收敛速度慢、精度低的问题,提出了基于Tent混沌精英和Lévy飞行策略的鲸鱼优化算法(TELWOA)。使用Tent混沌映射初始化鲸鱼种群,保持种群的多样性,并通过引入精英反向学习策略,对初始种群的精英个体生成反向解,选取适应度高的种群作为下一代鲸鱼种群,加快算法收敛速度。其次,通过使用非线性收敛因子,缓解算法全局搜索和局部搜索能力不平衡的现象。最后,在鲸鱼位置寻优过程中使用Lévy飞行策略,避免算法陷入局部最优,提升算法的全局搜索能力。通过对不同改进策略的有效性分析、与其他智能算法的对比分析,证明了TELWOA算法在收敛精度、算法稳定性和全局寻优能力上与对比算法有显著提升,具有一定的实际工程应用能力。

基于Tent-ASO-BP的短期电力负荷预测模型

针对短期电力负荷预测精度低与可靠性差的问题,设计一种基于Tent-ASO-BP的电力短期负荷预测模型。该模型利用了Tent混沌映射的方法,设计了一种原子种群初始化方法,其在保证个体的同时选出适应度最优的个体,增强原子种群在分布空间的均匀性,进而加快ASO算法的收敛;同时引入自适应,增加该算法的局部探索和开发能力;将改进的ASO算法应用于BP神经网络参数优化,搭建了Tent-ASO-BP预测模型对短期电力负荷进行预测。使用Matlab工具进行仿真,通过对Tent-ASO-BP、ASO-BP和BP三种算法进行实验对比,结果表明,Tent-ASO-BP网络预测模型的RMSE、MAE和MAPE分别为32.736 MW,51.783 MW和6.623%,相比于ASO-BP和BP网络预测模型有明显减少,得出该模型具有更强的迭代能力和更强的局部寻优能力,为电力系统短期电力负荷预测提供依据,具有普遍的指导意义。

基于混沌遗传算法的组播路由优化研究

在采用混沌遗传算法优化多目标QoS组播路由时,为克服Logistic映射收敛速度不快,而使传统混沌遗传算法优化效果不好的缺陷,将Tent混沌遗传算法引入QoS组播路由问题的求解中。该算法利用Tent混沌映射优越的区间均匀搜索能力,对通过遗传优选出的个体再次进行混沌优化,优化出适应度最高的个体进行交叉变异,从而保证足够多的下一代,以致算法不会陷入早熟。仿真结果表明,该算法优于Logistic混沌遗传算法,有效地改进了搜索效率,且收敛速度更快、更稳定。

混合随机反向学习和高斯变异的混沌松鼠搜索算法

针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题,提出一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA)。该算法通过Tent混沌映射初始化策略生成混沌初始种群,增强初始种群分布的均匀性,实现对解空间更高效的搜索;采用非线性递减的捕食者概率策略,平衡SSA的全局搜索和局部开发能力;利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体,以提升算法收敛速度;引入随机反向学习和高斯变异策略,在增加种群多样性的同时提高算法跳出局部最优的能力。使用10个不同的基准测试函数进行仿真实验,并利用Wilcoxon符号秩检验验证所提算法的寻优性能,结果表明,RGCSSA算法在求解精度、收敛速度和稳定性等方面均有极大提升。

混沌狼群围捕算法的车间机器人导航路径规划

为了提高车间内机器人导航规划的实时性、减少导航路径长度,提出了混沌狼群围捕算法。建立了工作环境的矢量模型与路径的适应度函数;在狼群围捕算法基础上,使用Tent混沌映射改进了狼群初始化方法,使狼群初始分布更加均匀,有利于算法初期对整个工作区域的遍历式搜索;鉴于levy飞行长时间短距离来回搜索与偶尔长距离搜索相互穿插的特点,将其应用于改进围捕步长,有利于算法长期的细致搜索并保持跳出局部极值的能力;借鉴遗传思想改进狼群进化方法,将算法向收敛的方向进行引导;基于以上改进,提出了混沌狼群围捕算法。在车间环境下进行仿真验证,与传统狼群围捕算法相比,混沌狼群围捕算法的导航规划用时减少了37.5%,最优导航路径长度减少了16.7%。

基于组合混沌的伪随机数算法研究

为了克服常见混沌映射在生成伪随机数过程中出现的缺点,在分析了常用混沌映射方法优缺点的基础上,提出了一种基于Logistic混沌映射与Tent混沌映射的组合混沌映射算法。经过分析验证表明该算法生成的伪随机数具有更好的随机性。

基于混沌精英黏菌算法的无刷直流电机转速控制

针对传统比例-积分-微分(proportional integral differential,PID)在无刷直流电机转速控制中存在响应速度慢、稳定性差等缺点,提出了一种基于混沌精英黏菌算法的自适应控制方法。首先,分析并建立了无刷直流电机数学模型。其次,为进一步提高标准黏菌算法的收敛速度和求解精度,采用Tent混沌映射丰富种群多样性,同时引入精英反向学习策略扩大搜索范围。最后,将上述改进算法应用于无刷直流电机的速度环PID参数自整定。通过在不同运行条件下进行MATLAB仿真以及实验,结果表明:对比传统PID以及模糊PID,所提方法能够使得控制精度得到显著提高,并且具有响应速度快,抗干扰能力强等优势。

混沌鲸鱼优化算法在WSNs覆盖优化中的应用

为提高无线传感器网络(WSNs)的节点覆盖率,降低节点冗余和延长网络使用寿命,提出一种基于混沌鲸鱼优化算法(CWOA)的覆盖优化方法。首先,将混沌理论同鲸鱼算法结合,使用改进混沌Tent映射生成初始种群,充分增加种群多样性。然后,引入莱维飞行对位置更新扰动操作,避免算法出现早熟收敛现象。仿真结果表明:改进后的鲸鱼算法同传统覆盖优化算法相比,有更高的收敛效率和覆盖率,降低了网络损耗,有效延长了网络生命周期。

基于TentFWA-GD的RBF神经网络COD在线软测量方法

针对污水处理过程COD难以实时准确测量的问题,提出了基于TentFWA-GD的RBF神经网络软测量方法。为解决现有RBF神经网络用于复杂工业过程软测量建模时存在网络参数难以确定及训练过程易陷入局部极值等问题,进一步提高RBF神经网络模型的预测精度与泛化能力,引入了Tent混沌映射对烟花算法(fireworks algorithm,FWA)进行改进,利用混沌运动的全局遍历性维持FWA的种群多样性并避免算法早熟收敛;将TentFWA算法与GD方法有机融合提出一种改进的RBF神经网络组合训练方法以改善网络的学习能力。将基于TentFWA-GD的RBF神经网络用于构建4个Benchmark函数拟合模型和农村生活污水处理过程COD在线软测量模型。仿真与应用结果表明,相对于其他神经网络模型,该模型具有较低的函数逼近误差和较高的COD预测精度。其中COD软测量模型训练结果的均方误差和平均绝对误差分别为0.18和0.25,测试结果的两种误差分别为0.23和0.36。

基于混沌初始化的缎蓝园丁鸟优化算法在图像分割中的应用研究

为了解决缎蓝园丁鸟优化算法(Satin Bowerbird Optimization Algorithm,SBO)寻优精度低和时间复杂度高等问题,本文提出一种基于Tent混沌映射的缎蓝园丁鸟优化算法(Chaotic Strategy to Satin Bowerbird Optimization Algorithm,CSSBO),并将其应用在图像分割。通过引入Tent混沌映射进行种群初始化,使得改进后的算法具有更高的寻优精度和收敛速度。为了体现算法的性能,本文将CSSBO算法与原始的SBO算法、改进的灰狼算法(Modified Grey Wolf Algorithm,MDGWO)和改进的人工蜂群算法(Modified Quick Artificial Bee Colony Algorithm,FMQABCA)进行了比较,结果表明CSSBO算法在图像分割上有着更为理想的效果。

基于混沌宿主切换机制的?鱼优化算法

鱼优化算法(ROA)的寻优过程包括依附宿主、经验攻击和宿主觅食3种模式,它的探索能力与开发能力较强;但原始算法通过经验攻击切换宿主,导致探索与开发之间平衡较差、收敛较慢且容易陷入局部最优。针对上述问题,提出了一种基于混沌宿主切换机制的改进鱼优化算法(MROA)。首先,设计一种新的宿主切换机制,以更好地平衡探索和开发的能力;然后,为了使鱼初始宿主多样化,引入Tent混沌映射进行种群初始化,进一步优化算法的性能;最后,将MROA与原始ROA和爬行动物搜索算法(RSA)等6种算法在CEC2020测试函数上进行对比实验。分析实验结果可知,MROA求得的最优适应度值、平均适应度值和适应度值标准差分别比ROA、RSA、鲸鱼优化算法(WOA)、哈里斯鹰优化(HHO)算法、精子群优化(SSO)算法、正余弦算法(SCA)和乌燕鸥优化算法(STOA)平均提高了28%、33%和12%。基于CEC2020的测试结果表明,MROA具有良好的寻优能力、收敛能力和鲁棒性;同时,通过求解焊接梁设计问题和多片式离合器制动器设计问题,进一步验证了MROA在工程问题中的有效性。

基于相似日和Tent-SSA-BP光伏发电功率预测研究

针对光伏发电并网对电网的稳定性和安全性造成冲击的问题,提出了一种基于相似日和Tent-SSA-BP相结合的方法来提高光伏发电功率预测精度。首先,采用灰色关联度算法对天气类型进行划分;同时,选择灰色关联度和余弦相似度相结合的方法来构造相似日模型,进行相似日选取;然后,利用麻雀搜寻算法(sparrow search algo-rithm,SSA)选取BP神经网络中最优的权值和阈值;最后,为了保证初始种群在空间内分布的更均匀,采用Tent混沌映射来对麻雀搜寻算法进行优化。实验结果表明该预测模型和BP、SSA-BP相比,具有更高的预测精度。

基于多策略麻雀搜索算法的径向基神经网络时延预测方法

网络诱导时延序列存在随机性和不稳定性,单一的预测算法难以准确预测,针对该问题,提出一种基于多策略麻雀搜索算法(ISSA)的径向基神经网络(RBF)时延预测方法来准确预测网络时延。首先,为了应对麻雀种群初始分布不均匀的问题,增加改进Tent混沌映射来提高种群早期的分布质量,并引入新的惯性权重因子改进发现者位置更新策略,扩大麻雀早期寻优范围;随后引入正余弦优化算法(SCA)更新跟随者位置,避免种群后期陷入局部最优。其次,考虑到RBF隐含层节点中心,幅值以及输出层权值不确定的问题,提出利用ISSA算法寻优求取。最后,搭建改进的时延预测模型并输入实测时延数据得到预测时延值。实验研究结果表明:相较于传统SSA-RBF模型,文中提出的ISSA-RBF时延预测模型的MSE、MAE和MAPE分别提高了69.46%、32.83%、34.43%,可有效预测网络时延,为之后的时延补偿提供基础。

基于改进蜘蛛猴算法的永磁同步电机多参数辨识

为解决一类智能算法对永磁同步电机(PMSM)参数辨识存在不稳定和精度不高的问题,现提出一种基于改进Tent混沌映射的反向学习蜘蛛猴优化(CSMO)算法。首先,采用改进的Tent混沌映射产生多样性强的初始种群,保证搜索空间的遍历性;其次,在局部领导阶段使用自适应步长取代随机步长,使其适应不同阶段的搜索,有效平衡了全局探索能力与局部开发能力;然后,在局部领导者决策阶段采用柯西变异策略使个体跳出局部最优,从而进一步加强了群体搜索能力,有助于在当前解的局部区域中发现较优解,使得算法的探索速度和寻优精度得到平衡;最后,使用标准测试函数来检测CSMO算法的性能,建立用于PMSM参数辨识的数学模型,再将该模型应用在改进的算法中来辨识电机参数。仿真与实验分析表明,CSMO算法对永磁同步电机参数的辨识有着较好的精度和收敛速度。

一种改进的变权科莫多优化算法及其应用

针对科莫多算法(KMA)在求解复杂函数和高维情况下容易出现早熟收敛的问题,提出了一种改进的变权科莫多优化算法(VWCKMA)。首先利用Tent混沌映射产生的序列对科莫多个体位置进行位置初始化,为全局搜索的多样性奠定基础。然后提出可变惯性权重,分别对不同社会等级的科莫多个体的运动进行不同控制,较好地提高了收敛速度。最后利用Tent混沌映射进行局部扰动,使其能够进行更加精确的局部搜索,避免局部最优值。仿真实验表明,在单峰函数和多峰函数求解的标准差和均值中,VWCKMA在收敛精度和收敛速度方面均有很大的提高。针对实际空气污染物PM_(2.5)预测非线性的问题,利用VWCKMA对BP神经网络的权值和阈值进行迭代寻优,基于最优参数的条件下使用BP神经网络对PM_(2.5)进行预测。实验结果表明预测准确率为85.085%,相比单一BP神经网络预测准确率提高19.85个百分点,体现VWCKMA具有一定的实践应用价值。