基于原对偶状态转移算法的分数阶多涡卷混沌系统辨识

未知分数阶混沌系统参数辨识问题可转化为函数优化问题,是实现分数阶混沌系统同步与控制的关键.结合正交学习机制和原对偶学习策略,提出一种原对偶状态转移算法,用于解决分数阶混沌系统的参数辨识问题.利用正交学习机制产生较优的初始种群增加算法的收敛能力,并引入原对偶操作增加状态在空间的搜索能力,提高算法的寻优性能.在有噪声和无噪声情况下以分数阶多涡卷混沌系统的参数辨识为研究对象进行仿真.结果表明了该算法的有效性、鲁棒性和通用性.