基于遗传粒子群算法的超混沌S盒设计

针对目前基于混沌系统所构造的S盒难以拥有良好密码学性能的问题,提出一种基于超混沌系统及遗传粒子群优化算法的S盒设计方案.在一维混沌映射基础上,引入正余弦函数以及指数因子,构造一个二维超混沌系统,从系统分叉图、相图、Lyapunov指数图进行性能分析,该混沌系统在参数范围内有着连续的超混沌区间,混沌行为复杂.通过改变混沌系统的初值、参数以及迭代次数可以动态生成S盒,随后结合粒子群优化算法和遗传算法提出一种针对S盒的遗传粒子群优化算法,将混沌系统生成的S盒作为初始种群,利用粒子群算法改进遗传算法中的交叉操作,同时结合爬山算法提出一种新的变异策略.为验证所生成S盒性能,对S盒的双射特性、非线性度、严格雪崩准则、差分均匀性及输出比特间独立性进行仿真测试,仿真结果表明:所提出的优化算法能够生成非线性度、差分均匀性、输出比特间独立性方面表现良好的S盒.

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。

混沌优化与遗传算法的智能集成

作为智能算法,遗传算法的确是解决非线性复杂优化问题的有利工具,但它在搜索过程中易陷入局部最优、收敛速度慢的缺陷又确实限制了它的寻优效能。混沌的遍历性、随机性和内在规律性使得混沌优化能够互补地与遗传算法进行集成。基于此,该文经过遗传算法和混沌优化方法的理论机制分析,将二者进行智能集成,给出混沌遗传优化算法CGA。经过仿真迭代运算,发现该算法能够保证求得全局最优解,并且寻优速度有很大提高。

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。

混沌遗传算法(CGA)的应用研究及其优化效率评价

利用混沌运动的遍历性 ,提出了一种求解优化问题的混沌遗传算法 (CGA,Chaos Ge-netic Algorithm) .该算法的基本思想是把混沌变量加载于遗传算法的变量群体中 ,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度 .研究结果表明 ,该方法效果显著 ,明显提高了优化计算效率 .本文将“平均截止代数”和“截止代数分布熵”作为评价指标 ,对混沌遗传算法 (CGA)的优化效率进行了研究 ,定量地评价了 CGA的优化效率 ,通过与遗传算法 (GA)进行比较 ,进一步说明了 CGA的优化效率高于 GA.

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。

基于混沌遗传算法的电力系统无功优化

针对遗传算法在求解大规模电力系统无功优化问题中存在的收敛速度慢、易早熟的缺点,提出了一种新的无功优化算法——混沌遗传算法CGA。该方法结合混沌优化所具有的遍历性、随机性和规律性的特点,在遗传进化过程中引入混沌移民算子,通过混沌移民操作维持群体中染色体的多样性,以克服传统遗传算法中由于近亲繁殖所导致的早熟问题,确保算法的全局收敛性,加快计算速度。通过对某地区42节点系统进行仿真计算,该方法相比于简单遗传算法,计算速度提高了45%,收敛到全局最优的概率提高了1.25倍。

混沌免疫遗传算法在电力系统故障诊断中应用

针对电力系统故障诊断问题,提出了一种新的免疫遗传算法——混沌免疫遗传算法。该算法将免疫算法、混沌与遗传算法相结合,利用混沌运动的遍历性、随机性产生初始种群,加快搜索的速度;利用免疫原理的浓度计算及调整加入新的混沌序列补充种群,增加种群的多样性,避免陷入局部最优;交叉变异结束后在最优解附近再用混沌进行局部寻优提高解的精度。它能从保护和断路器的拒动和误动中,快速找到故障点。实验结果表明,该算法能快速寻找到最优解,保证系统的实时性和准确性,较好地实现了对电力系统的故障诊断。

复杂函数优化的混沌遗传算法

将混沌融入遗传算法提出了混沌遗传算法 ,该方法利用混沌运动的随机性、遍历性、对初始条件的敏感性等特性进行群体的混沌初始化和最优个体的混沌变尺度载波寻优 .典型复杂函数优化的仿真结果表明该方法较遗传算法具有更快的收敛速度和更小的计算量 ,是复杂函数优化的有效手段 .

免疫遗传算法及在优化问题中的应用综述

指出遗传算法的不足,将免疫学原理引入遗传算法,进而形成免疫遗传算法。针对免疫遗传算法在优化问题中的研究现状,从编码技术、先验知识、操作算子、混沌理论引入、多种群方式、与小生境理论结合等方面进行了总结,指出了不足之处,最后探讨了免疫遗传算法需要进一步研究的问题和发展方向。

人工免疫系统及人工免疫遗传算法在优化中的应用

叙述了人工免疫学的概况及免疫系统的组成,提出了一种新的优化算法——免疫 遗传算法,该算法突出了免疫系统中抗体群合作进化思想.将该方法用于以高炉焦比为优化 目标的优化问题,取得较好的效果.

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足,提出了将多目标函数各个解映射成多维空间中不同的点,利用这些点与理想点之间的欧氏距离来衡量各个解的优劣;同时针对无功优化、混沌优化算法和免疫算法的特点,提出了在采用免疫算法进行无功优化的记忆抗体群中,运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解,并将它们运用于以降低有功损耗,提高电压稳定裕度及减小电压偏移为目标的无功优化中;通过IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。

基于多混沌算子遗传算法的混合动力汽车控制策略优化

为某款装备了电池/超级电容混合储能系统的并联型混合动力汽车设计了模糊控制策略.结合遗传算法的种群进化和混沌序列的随机遍历特性,将混沌初始化算子、混沌扰动算子、混沌局部搜索算子引入多目标非占优排序遗传算法(NSGA-II)中,构建了新的多混沌算子遗传算法(MCO-NSGA-II).运用MCO-NSGA-II算法进行了混合动力汽车模糊控制策略优化,以改进车辆的燃油经济性及HC、CO和NOx的排放性能.仿真结果表明,混沌初始化算子和混沌扰动算子可以改善原NSGA-II算法的搜索能力并增加种群多样性,而混沌局部搜索算子可以进一步增强算法局部搜索能力,能更好地搜索到理想的Pareto解集.运用MCO-NSGA-II算法进行优化,使混合动力汽车在欧洲城市驾驶循环(ECE)下的燃油消耗降低了11.8%,HC、CO和NOx排放分别下降了7.72%、15.72%和11.77%.

基于混沌遗传算法的板坯入库决策优化方法

针对热轧板坯库优化管理,分析了板坯入库操作流程,并建立了板坯入库决策的优化模型,考虑了板坯入库库位和垛位选择的多种原则,对一个板坯入库批次进行全局优化运算,可快速为板坯选择最优的库位和垛位。对于模型的求解方法,构造了一种自适应的混沌遗传算法,采用自然数编码方式,动态的在线调整算法的交叉和变异概率,并采用混沌优化方法作为变异算子。对生产数据进行实际排产的结果表明,建立的模型和算法切实可行,可应用于生产实际。

约束优化问题的免疫混沌算法

结合免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点,提出了一种新的免疫混沌算法.从一组可行解出发,采用免疫算法通过克隆选择、克隆扩增、高频变异和审查形成记忆细胞,并将其作为全局近似最优解,然后采用混沌优化方法按照混沌运动规律在近似最优解的邻域内进行局部搜索并审查,从而获得全局精确最优解.审查过程包含了对约束条件的处理,即对新产生的候选解进行审查,保留满足约束条件的可行解.利用该算法对几个经典约束优化问题进行了仿真测试,与以往方法相比获得了更优的结果,表明该算法是一种解决约束优化问题的有效方法.

基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.

基于遗传交叉和多混沌策略改进的粒子群优化算法

为有效改进基本PSO算法的搜索能力,提出了一种基于遗传交叉和多混沌方式改进的粒子群算法。该算法为获得比当前群体更优的最优解,采用了以下四种措施:其一,对当前群体中的最优解和每个粒子最优解进行遗传交叉操作;其二,用混沌系统动态地调整PSO算法的惯性权重;其三,对整个解空间进行混沌全局搜索;最后,对当前群体中最优解进行多维和单维的混沌局部搜索。仿真实验结果表明:与其他三种算法相比,提出的算法在解决八个整数和混合整数非线性规划问题时不仅收敛速度最快,而且具有100%的成功率。

基于混沌理论的免疫遗传算法

为提高免疫遗传算法的运算效率,根据免疫系统本身的混沌特性,提出了一种混沌免疫遗传算法。该算法利用混沌系统的遍历性来减少数据冗余,利用混沌系统的初值敏感性来扩大搜索范围,从而保持了种群的多样性,避免了局部最优。实验表明,该算法比传统的免疫遗传算法具有更高的收敛速度及收敛性能。

混沌遗传优化算法及其在机械优化设计中的应用

为了解决传统遗传算法的早熟问题,首次提出了混沌移民算子。利用混沌迭代的遍历性和内在随机性,通过混沌移民操作可克服传统遗传算法中的近亲繁殖问题,确保算法的全局收敛性。用MATLAB语言研制了混沌遗传优化算法软件;数值计算表明,该算法的全局收敛性好、算法稳健,适应于求解连续变量的无约束及有约束优化机械优化设计问题,具有工程实用价值。