基于混合混沌优化法的Hopfield网学习算法

提出了一个基于混合混沌优化法的Hopfield网学习算法。通过对Hopfield网权值不等式的处理,训练Hopfield网。利用混合混沌法的优点,即混沌的遍历性和禁忌搜索的“记忆性”和期望准则,有效地避免了局部最小解,克服了原Hopfield网学习的局限性,还能找到多个优化解。实验证明了该算法的有效性。

基于混合混沌优化法的BP神经网络算法

运用混合混沌优化法训练BP神经网络,构造了基于混合混沌优化法的BP神经网络训练算法,实例说明具有较高非线性逼近能力和应用价值。

模糊神经网络模型混沌混合优化学习算法及应用

基于混沌优化的思想,提出一种新的模糊模型的优化学习算法.将模糊推理规则转化为模糊RBF网络模型,用模糊C均值(FCM)聚类算法和分区效验熵得到模型结构,用混沌变换序列寻优得到优化的中心初值群,用FCM获得最优聚类中心,最后获得模糊神经网络模型.将该方法应用于转炉终点磷含量预报模型,取得了较好的结果.

一种新型Skew Tent映射的混沌混合优化算法

针对已有的混沌优化算法几乎都是利用Logistic映射作为混沌序列发生器,而该混沌序列的概率密度函数呈两头多、中间少的切比雪夫型的分布性质,不利于搜索的效率和能力,为此,首先构造一种新型混沌映射序列发生器—Skew Tent映射并结合迭代优化特点加以改进,然后分析了它的混沌特性．其次,将改进的混沌映射与Alopex启发算法相结合,充分发挥Alopex算法的快速搜索能力和混沌优化全局寻优的特性,提出一种混沌混合优化算法,提高了算法的收敛速度和有效搜索全局最优解．最后,仿真算例验证了该算法的有效性和Skew Tent混沌映射的应用前景．

加速混沌变尺度混合优化算法

提出了一种加速混沌变尺度混合优化算法 (SCOA- DFP) .首先利用加速混沌算法(SCOA)找到一点比较满意的“初始最优点”,再以此点为初始值使用变尺度方法 (DFP)进行迭代 ,两种方法交替进行 .算法简单明了 ,性能良好 .

非线性二维导热反问题的混沌-正则化混合解法

考虑热传导系数随温度变化 ,建立了非线性二维稳态导热反问题数值计算模型· 并把混沌优化方法和梯度正则化方法相结合 ,构成一种混沌_正则化混合算法求该计算模型的全局解· 以热传导系数随温度线性变化为例 ,由布置在结构边界上的观测点温度信息确定了结构材料热传导系数及其随温度变化规律· 结果表明混合算法计算结果与初值无关 ,具有很好的全局寻优性能 ,而且计算量远比经典遗传算法和单纯采用混沌优化方法小·

基于混沌粒子群优化的低截获概率编队通信方法

为提高飞行器编队的低截获性能,提出一种新的低截获概率编队通信方法。将飞行器编队通信视为自适应优化问题,以飞行器节点的辐射功率和拓扑链路作为优化对象,利用混合混沌粒子群算法进行迭代计算,以实现飞行器编队的最优低截获通信。仿真结果表明,混沌粒子群方法在满足可靠通信的前提下,可有效降低编队辐射功率,提高通信拓扑不确定性,改善飞行器编队的低截获能力。

基于空间信息的射频隐身数据链最优能量控制算法

为提高数据链的低被截获性能,提出了一种基于空间信息的射频隐身数据链最优能量控制算法。以数据链目标飞行区域的威胁因子为先验知识,基于数据链的实时空间信息,分析了影响数据链性能的各个参数,将辐射功率、开机时刻作为优化变量,以最小化辐射功率函数和最小化能量消耗函数作为目标,利用混合混沌粒子群优化算法对数据链通信模型进行优化,选取使两个目标函数最小的解作为最优解。仿真结果表明,算法与目前常见的数据链恒定功率辐射方法相比,在满足可靠通信的前提下,辐射功率较小,消耗能量较少,具有较好的射频隐身性能。

跳频周期和跳频间隔的最大条件熵射频隐身设计方法

为提高跳频通信系统的被截获性能,该文以跳频周期和跳频间隔为研究对象,提出一种基于最大条件熵的跳频周期、跳频间隔射频隐身联合设计方法。该方法以跳频系统先验数据为样本空间,以拉格朗日乘子为优化粒子,利用混合混沌粒子群优化(HCPSO)算法对最大条件熵的对偶规划进行优化计算。与单阈值方法(STM)和双阈值方法(DTM)的对比仿真结果表明:该文提出的最大熵方法(MEM)具有最大的跳频周期、跳频间隔不确定性和最小的截获概率,且针对不同威胁因子具有较高的环境区分度。因此,MEM具有较好的射频隐身性能,可以有效提高搭载平台的生存能力。

基于混合迁移策略的生物地理学优化算法

为提高生物地理学优化算法(BBO)的性能,提出一种基于混合迁移策略的生物地理学优化算法(HMB-BO).该算法通过动态选取待迁出种群个体,平衡对解集搜索过程中的选择压力.采用混合迁移策略改进迁移机制,增强算法对解的搜索能力,避免引起过早收敛.并加入分段Logistic混沌机制对个体进行变异,提高算法的收敛精度.基于标准测试函数的仿真实验表明,HMBBO算法可有效避免早熟收敛,在收敛速度和收敛精度上较标准BBO算法有较大提高.

基于最大条件熵的射频隐身数据链猝发通信模型

为提高数据链的低被截获性能,以数据链发射时刻的不确定性为对象,提出了一种基于最大条件熵的射频隐身数据链猝发通信模型。该模型以先验数据为训练样本空间,以拉格朗日乘子为优化粒子,将最大条件熵的对偶规划问题作为目标,利用混合混沌粒子群优化(HCPSO)算法进行优化计算,最终确定最大条件熵概率分布模型。与单阈值方法 (STM)和双阈值方法(DTM)的对比仿真结果表明:利用最大熵方法(MEM)自适应生成的发射规划,不仅具有最大的发射时刻条件熵,射频隐身性能最好,而且MEM的通信总时间、通信占空比也最大,对环境约束特征的适应性最好,因此,MEM具有最优的综合性能。