基于混沌变量的模拟退火优化方法

基于混沌变量，提出一种混沌模拟退火优化方法，给出了初始温度的确定方法。利用混沌变量对当前点进行扰动，随着搜索的深入逐渐减小扰动的幅度。数值计算结果表明，该方法可以显著提高求解全局优化问题的计算效率。

基于混沌变量的航空发动机性能监控与故障诊断

针对在利用综合加权法计算表征发动机整体性能的综合指数时,各参数的权系数难于确定,本文提出利用混沌变量确定各参数的权系数,使优化得到的综合指数值比采用专家调查法所得到的综合指数值更能灵敏、准确地反映发动机整体性能的变化情况,提高了发动机性能正常与否的识别率,并以此来发现发动机潜在早期故障,防止故障的扩大。通过对某型涡扇发动机进行监控,证明该方法确实有效。

基于混沌变量的变步长梯度下降优化算法

梯度下降法与混沌优化法均具有各自的缺点。该文将二者结合起来,利用混沌运动的遍历性,将混沌因子引入到变步长中,对梯度下降法进行改进。首先利用混沌变量来初始化步长大小,并随着搜索过程向最优点靠近,逐渐调整混沌变量,从而使步长的变化也不断变小,以使最优点附近步长波动平稳,避免了梯度下降法拉锯现象的产生。通过3个典型算例,用该算法和梯度下降法以及其他2种算法进行了优化计算对比。结果表明,采用该算法的迭代次数减少了45%以上。

EKF在多变量混沌序列辨识中的应用

运用扩维技术以及扩展卡尔曼滤波算法的跟踪辨识特性同步实现对多变量混沌序列的精确预测和混沌系统主动态方程的参数辨识。利用典型混沌方程与所观测时间序列的吸引子特性比较,较准确地确定系统初始状态。对理想R?ssler三个变量的时间序列和大连市气温降雨二变量时间序列进行仿真并与递推最小二乘法进行比较,结果表明该方法的有效性。

基于多变量混沌时间序列的航班运行风险预测模型

为了提升航班运行风险预测精度,基于某航空公司2016—2018年航班运行风险数据,在验证15个风险时间序列的混沌特性后,构建基于多变量混沌时间序列的风险预测模型.首先,对15个风险时间序列进行多变量相空间重构,采用主成分分析法(PCA)对相空间进行降维处理;然后,基于迭代预测的方式,分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型;最后,以降维后的相空间作为输入,计算并比较分析未来1~7 d的风险预测结果.结果表明:多变量相空间重构后总维数为62维,经PCA降维处理,降至31维;在不同的预测模型中,降维后RBF模型预测效果最佳;其中,预测第1天结果相对误差<25%出现频数为82.62%,至第5天仍达75%以上;该模型第1天预测结果的修正平均绝对百分比误差(MAPE)值为11.32%,且前5 d均低于20%,满足航空公司使用要求.1~5 d预测结果对航班风险管控具有实践操作价值,证明基于多变量混沌时间序列的风险预测方案可行、有效.

多变量经济混沌时序的小波神经网络预测

提出了一种改进的小波神经网络,通过对C-D生产系统模型和财产管理模型中产生的经济增长混沌时序,进行多变量混沌时序的相空间重构,并采用改进的小波神经网络进行预测,证明其短期预测效果优于其他方法,说明该方法可以应用到经济增长混沌系统的预测中.

基于混沌不变量和关联向量机的人体行为识别

提出了一种基于混沌不变量特征和关联向量机(RVM)的人体行为识别方法.提取人体关节点运动产生的轨迹代表人体动作行为的非线性系统,利用C-C方法估计时延并且得到由每条运动轨迹重构的相空间维数,并从重构的相空间提取代表人体行为的混沌不变量,利用RVM算法识别人体行为.在KTH,Weizmann及ballet数据库中进行测试,实验结果表明,使用该方法平均正确率达92.1%.

基于多切换传输的复变量混沌系统的有限时组合同步控制

针对一类复变量混沌系统,研究了基于多切换传输的有限时同步控制问题.首先,针对网络信号在传输过程中的同步模式,分析了多个混沌系统之间的多切换同步行为.其次,基于预设的切换传输规则,给出了有限时组合同步的定义.进而,依据有限时稳定性理论,设计了一类实现快速同步的控制器,并给出了有限时组合同步的充分条件.最后,通过数值仿真和分析,验证了所设计控制方案的有效性.

多变量混沌时间序列Volterra自适应实时预测

针对多变量混沌时间序列,给出一种Volterra滤波器实现结构。该滤波器利用基于奇异值分解的最小二乘法确定初始核,通过归一化最小均方差(normalized least mean square,NLMS)算法实时确定滤波系数,并用这种多变量Volterra结构对Lorenz时间序列进行仿真。计算结果表明,在无噪声情况下,该方法的实时一步预测精度比目前单变量混沌时间序列Volterra自适应预测方法的一步预测精度提高了102倍,表明这种实现结构易实现且收敛性能更好;在有噪声的情况下,该方法的实时多步预测性能优于局部多项式预测法的多步预测性能,且抗噪性更强。

单车场关联物流运输调度问题的混沌遗传算法

提出了关联物流运输调度问题(Incident Vehicle Routing Problem,IVRP)概念,建立了单车场单车型的IVRP模型,并用混沌遗传算法求解关联物流运输调度问题.混沌遗传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.研究表明,该方法能有效地解决关联物流运输调度问题.

基于混沌粒子群优化神经网络的GPS高程拟合研究

针对普通神经网络模型存在预测精度低等问题,采用粒子群优化神经网络权值和阈值的预测方法,建立基于该方法的BP神经网络高程异常拟合模型。为克服粒子群算法易陷入局部最优,提出并建立改进算法,即先用混沌变量初始化粒子位置,当出现早熟收敛时,对局部较优的部分粒子和全局极值采用混沌优化策略,从而提高了模型的训练精度。试验结果表明,该方法具有更好的准确性和稳定性。

变尺度混沌优化神经网络的研究

基于变尺度混沌优化的方法可以利用混沌变量的特定内在随机性和遍历性来跳出局部最优点,并可以变尺度搜索提高局部空间的搜索速度和精度。把该方法应用到神经网络的权值优化中,可以得到很好的效果。

模糊神经网络的混沌优化算法设计(英文)

提出了一种基于混沌变量的多层模糊神经网络优化算法设计.离线优化部分采用混沌算法,将混沌变量引入到模糊神经网络结构和参数的优化搜索中,使整个网络处于动态混沌状态,根据性能指标在动态模糊神经网络中寻找较优的网络结构和参数.在线优化部分采用梯度下降法,把混沌搜索后得到的参数全局次优值作为梯度下降搜索的初始值,进一步调整模糊神经网络的参数,实现混沌粗搜索和梯度下降细搜索相结合的优化目的,能较快地找到全局最优解.最后对二阶延迟系统进行仿真,结果表明混沌优化方法控制精度高、超调小、响应快和鲁棒性强.

基于区间套混沌搜索的混合优化方法

基于对Ｌｏｇｉｓｔｉｃ映射混沌变量概率分布的研究，提出了一种区间套混沌搜索方法，避免了混沌搜索的盲目性．将区间套混饨搜索方法与共轭梯度法结合，提出了一种混合优化方法，利用区间套混沌搜索方法搜索到近似最优点，再用共轭梯度法求得最优点．数值计算结果表明，该方法可显著提高优化效率．

水电站厂内经济运行中的一种混沌优化算法

针对水电站厂内经济运行的要求，依据混沌运动的遍历性、随机性、“规律性”等特点，采用了一种混沌优化方法，利用混沌变量进行搜索，与常规优化相比，其收敛速度更快、效率更高，且使用方便．

基于混沌模拟退火回火算法的结构混凝土超声层析成像

针对混凝土超声波层析成像结果不惟一和稳定性差的问题,依据超声波在混凝土中的传播特点,在反演算法中引入物理意义明确的自然权矩阵,对走时较小的射线和射线较密的成像单元加以重权,形成了二次增广目标函数方程;然后,通过混沌模拟退火回火算法来寻求其全局最小值,从而得到各网格单元的声速计算值。在寻优过程中,其初始值由反投影法求得。模型试验表明,由于利用了正确的先验信息,加上混沌模拟退火回火算法在寻找函数极值方面具有优良的特性,不但反演过程收敛,而且数值稳定,其成像结果能真实有效地反映对象内部缺陷,因此,该算法适用于混凝土的超声波速度反演。

城市区域交通信号的混沌模糊Q学习控制

提出了一种解决城市区域交通协调控制问题的混沌模糊Q学习(C-FQL)方法。在模糊Q学习的过程中添加混沌扰动,以改进传统的Agent选择动作的方式,并通过遗忘因子以平衡模糊Q学习中探索和利用之间的关系。将该算法应用于城市区域交通协调控制中优化各信号交叉口的周期、绿信比和相位差。利用TSIS交通仿真平台,建立典型的城市区域交通网络并进行仿真。仿真结果表明该方法可以大大提高区域交通的整体效率。

主动—被动混沌同步保密通信系统设计

设计了基于主动 -被动同步的混沌保密通信系统 ,为了提高系统对参数的敏感性 ,对混沌变量进行了同步误差放大处理 ;为了抵御基于同步的攻击方法 ,引入了参数微扰技术 .对系统的安全性进行了分析 .结果表明 ,方案是有效的。

基于混沌多目标遗传算法的分布式电源规划

针对多目标遗传算法(multi-objective genetic algorithm,MGA)在解决分布式电源(distributed generation,DG)优化问题上存在的不足,加入混沌变量、虚拟适应度、精英保留策略等方法进行多目标改进,提出一种改进混沌多目标遗传算法(improved chaotic optimization multi-objective genetic algorithm,ICMGA),并依据种群进化状态自适应调整搜索精度,提高了算法搜索效率和收敛速度。结果表明:与NSGA_II算法相比,ICMGA算法不但寻优能力更强,收敛速度快,还具有良好的经济性。能够为分布式电源优化问题提供优良的解决方案。

基于回声状态网络的多变量预测模型的研究

考虑单变量在混沌时间序列预测中的不足,文章利用多变量模型进行混沌时间序列的预测。针对多变量预测过程中的维数过高问题,文章结合主元分析理论(PCA)和回声状态网络(ESN),构建了基于PCA和ESN的多变量混沌时间序列预测模型,将PCA降维后的时间序列数据输入ESN网络进行预测分析。论文对由Lorenz动态方程生成的三变量混沌时间序列进行了仿真实验,结果表明该模型有效地提高了预测的精度和预测的效率,是一种有效的混沌时间序列预测方法。