基于混沌搜索算法的雷达干扰兵力优化分配

研究了要地防空条件下,地面雷达干扰兵力的优化分配问题。建立了雷达干扰分配数学模型,采用混沌搜索算法对模型进行分析和求解。仿真实验结果表明:该算法收敛速度快,寻优能力强,可为求解雷达干扰优化分配问题提供新的思路和方法。

求解Web集群文档分布的混沌搜索算法

提出Web集群文档分布方案,用M/G/1/K PS排队模型对服务器进行建模,将文档分布问题转化为0-1整数规划问题,然后求解该规划问题。针对该类0-1整数规划问题,给出一种基于混沌搜索的求解算法,该算法让多个独立的混沌变量在其各自的轨道中搜索,使得对应生成的0-1矩阵能遍历任意一种可能的分布,从而能搜索到全局最优解。设计一种基于贪婪思想的文档分布算法。测试表明,混沌搜索算法能找到全局最优解,优于传统的贪婪算法。

基于混沌搜索算法的铁矿石贸易Stackelberg博弈均衡研究

构建了二层规划的铁矿石贸易双寡头二级供应链Stackelberg博弈模型,运用混沌搜索算法进行了案例分析。案例数据表明:铁矿石生产商决策的Stackelberg博弈均衡解没有实现整体最优和个体最优,但如果没有合作却是均衡结果;整体最优实现了铁矿石供应商和钢铁生产商的收益优化,但却没有实现均衡,因为钢铁生产商有改进决策增加收益的可能性来背离合作;钢铁生产商改变全局最优会损害铁矿石生产商的收益,降低整体供应链的收益。

结合混沌搜索算法的混合MIMIC算法

分布估计算法具有较强的全局搜索能力,但是局部求精能力是其一个短板.为了解决这种问题,提出一种结合混沌搜索算法的混合MIMIC算法(CS-MIMIC).验证结果表明:该算法可以找到无约束测试函数的最优值,并且在高维测试中具备较好的寻优能力,是一种有效的优化方法.

基于改进混沌麻雀搜索算法S盒与神经元电路的图像加密技术

鉴于目前的图像加密算法所采用的S盒结构过于简单,易被破解。选用由改进的脉冲耦合尖峰神经元电路得到的混沌映射(MPSNC),并使用该映射对混沌麻雀搜索算法(CSSA)进行优化。随后,结合MPSNC映射和改进后的CSSA,设计新型的混沌S盒。最后,基于MPSNC映射和新型混沌S盒构造一种图像加密算法,为增加S盒的变化,对其进行S8变换。通过迭代混沌映射生成混沌序列,使用混沌序列和S8S盒对图像进行扩散和置乱操作,得到加密后的图像。经实验验证,该加密算法参数丰富,复杂度高,并由于S盒的应用,提高了算法的非线性度,具有良好的性能,适用于图像加密。

基于混沌麻雀搜索算法的PMSM直接转矩控制

永磁同步电机直接转矩控制系统中PI控制器的比例增益(Kp)和积分增益(Ki)直接影响了系统的控制性能,提出了混沌麻雀搜索算法(CSSA)来优化直接转矩系统PI控制器的参数。利用Sine混沌映射初始化种群,选出适应度排序靠前的麻雀个体作为初始种群,提高初始解的质量,解决了麻雀搜索算法(SSA)容易陷入局部最优的问题,进而使算法的全局搜索能力提升。基于MATLAB/Simulink仿真实验表明,将CSSA应用于直接转矩控制系统,相比于SSA,在搜索可靠性、迭代次数收敛速度得到改善,使得电机系统的动态响应速度和鲁棒性有着较大的提升,同时可以有效抑制电机的转矩、磁链的波动。

一种基于混沌天牛须搜索算法的摄像机标定方法

为了较好地解决传统智能优化方法在摄像机标定中存在标定精度低、效率和鲁棒性差的问题,提出一种基于混沌天牛须搜索算法的摄像机标定方法。该方法使用MATLAB标定工具箱对摄像机非线性成像模型进行预标定,预标定结果作为混沌天牛须搜索算法的初始值;构造平均重投影误差适应度函数,建立混沌天牛须搜索算法优化模型对标定参数进行优化;与基于传统智能优化方法的摄像机标定方法进行实验对比。实验结果表明,该方法得到的平均重投影误差为0.00572像素,算法总的运行时间为46.15 s,可以有效提高摄像机标定的精度、鲁棒性与效率。

求解模糊作业车间调度问题的混沌乌鸦搜索算法

为求解模糊作业车间调度问题(FJSSP),提出了一种改进的混沌乌鸦搜索算法(CCSA)。算法采用基于工序的编码,并设计了一种修补方式以使CCSA有效求解FJSSP;为增强算法的邻域搜索能力引入了变异算子;为提高算法的进化能力,提出了基于余弦相似度的多样最优个体集来引导进化,使在增强进化效率的同时保证种群多样性;为进一步提高算法在求解FJSSP时的搜索效率,提出了一种基于机器空闲缩小的搜索方法。最后选取了5个典型实例进行了测试,实验结果验证了所提算法的有效性。

基于变尺度搜索算法的混沌MIMIC算法

混沌MIMIC算法(CS-MIMIC)是双变量相关MIMIC算法和混沌搜索算法的结合。算法中引入变尺度搜索算法,目的是缩小搜索区间,直至找到最优变量。从验证结果看出,该算法可以收敛到无约束测试函数的最优解,并且在精确度和稳定性方面有所提高。

基于混沌麻雀搜索算法优化BP神经网络的短期风电功率预测

在构建以新能源为主体的电力系统方面,风电功率的短期预测对提高电力系统的经济效益和风能利用率十分重要。针对传统麻雀搜索算法(SSA)优化BP(SSA-BP)神经网络对风电功率的短期预测存在易陷入局部最优、收敛速度较慢和预测精度不高等问题,提出一种基于混沌麻雀搜索优化算法(CSSOA)优化BP(CSSOA-BP)神经网络的短期风电功率预测方法。该文以西北某风电场作为研究对象,引入皮尔逊(person)相关系数,分析出与风电功率输出相关性较强的风电机组数据集作为模型的输入,避免冗余数据影响风电功率的预测;利用SSA算法和CSSOA算法分别改进BP神经网络;使用该风电场实测历史数据对各预测模型进行仿真测试。仿真结果表明:基于CSSOA-BP的预测模型相较于SSA-BP拥有更好的预测精度,更符合电力工业生产的需求。

混沌图引力搜索算法求解压力容器约束问题

为解决运用混沌图引力搜索算法(CGSA:Chaotic Gravitational Constants for the Gravitational Search Algorithm)难以计算经典的压力容器设计(PVD:Pressure Vessel Design)约束优化问题,提出了一种改进的混沌图引力搜索算法(CGSA9+)。首先,分析PVD约束条件中各变量间的相互依赖关系,确定总体中各维度随机的先后依赖顺序;其次,在继承CGSA算法子代产生的规则基础上,更新越界子代的产生规则,借助当前全局最优解位置,优化子代产生规则;最后,通过循环验证是否满足约束,进而求解与评估,得到最优解。对比实验表明,该新算法能有效解决PVD约束优化问题,并具有较好的优化效果。

基于混沌和声搜索算法的图像分割研究

为克服图像分割中图像目标与背景之间存在的对比度低、亮度分布不均匀以及在搜索最佳阈值的过程中有可能陷入局部最优解等问题,运用混沌和声搜索算法搜寻最佳阈值,将模糊Renyi熵与混沌和声搜索算法相结合进行图像分割。实验结果显示了该方法对红外人体图像以及单峰、双峰、多峰图像都有较好的分割效果。

一种基于混沌搜索和贪婪模式的混合优化算法

混沌搜索算法具有搜索能力快,遍历性高的特点。在此基础上,引入MIMIC算法中的贪婪模式算法,目的是搜索一个变量的最优排列,使被选择的优良解集的概率分布与定义的概率分布最接近,从而得到最优解,进而加强了混沌搜索算法的局部搜索的能力。将算法应用于无约束优化问题,数值实验证明,该算法快捷高效,是一种有效的优化算法。

基于混沌二进制麻雀搜索的配电网故障恢复方法

为了解决分布式电源接入给主动配电网的安全可靠运行带来巨大挑战的问题,提出一种基于混沌二进制麻雀搜索算法的分布式电源配电网故障恢复方法。首先,提出了一种麻雀搜索算法,利用二进制离散化数据和混沌初始化种群的思想,极大地提高了算法的精度、收敛速度和稳定性;然后,综合考虑恢复重要负荷、开关动作次数、网络损失等因素建立多目标函数,构建有源配电网故障恢复模型,采用二进制麻雀搜索算法进行求解,输出含分布式电源的配电网最优故障恢复策略;最后,经过实验结果表明,所提的方法可以准确获得配电网故障恢复策略。

基于双种群遗传混沌优化算法的最优时间轨迹规划

针对以最短运行时间为目标的工业机器人轨迹规划问题,提出一种基于混沌局部搜索的双种群遗传最优时间轨迹规划算法。首先以各个节点之间的时间间隔之和为优化目标,以各关节的角速度、角加速度和角加加速度为约束条件,利用五次多项式拟合规划的关节空间位置节点模拟机器人的运行轨迹;然后,利用双种群遗传算法全局搜索能力强、进化速度快和混沌算法局部搜索能力强的优点,提出一种基于双种群遗传混沌优化算法的机器人轨迹规划方法,规划最优时间轨迹;最后,以3自由度空间机械臂为例,验证了所提算法能够使机器人末端执行器的运行轨迹平滑且时间最优。该算法应用于机器人轨迹规划可以延长机器人使用寿命,提高生产效率。

基于混沌的PSO粒子滤波算法

粒子群优化(PSO)粒子滤波算法容易陷入局部最优,从而降低算法精度。针对该问题,提出一种基于混沌的PSO粒子滤波算法。该算法通过混沌搜索算法找到全局最优位置,驱散聚集在局部最优的粒子群,使其向全局最优位置靠近,增加有效估计粒子数,抑制粒子退化与枯竭问题。仿真结果表明,与传统的粒子滤波算法和PSO粒子滤波算法相比,改进算法的估计精度有较大提高。

基于并行混沌搜索的非线性系统参数估计

提出了一种并行混沌搜索结合模式搜索法的混合优化算法,并应用于非线性系统参数估计。该算法采用并行混沌搜索机制,多个混沌变量同时映射一个优化变量。为了提高搜索速度,在每一次并行混沌搜索之后,由模式搜索法对并行混沌搜索结果再次寻优。该优化算法具有混沌优化的全局搜索能力,而模式搜索法则加快了局部寻优性能。该算法应用于三种不同非线性系统中,仿真结果表明其是一种有效的参数估计方法,参数估计精度优。

解决位置管理问题的混沌混合差分进化算法

位置管理问题是移动计算环境中的一个重要问题。提出了一种解决位置管理问题的混沌混合差分进化算法,给出了将浮点编码的种群个体映射为问题解的方法,给出了解决标准差分进化算法早熟收敛问题的混沌搜索算法。仿真结果表明,混沌混合差分进化算法能有效解决移动计算中的报告小区规划问题,且算法的搜索质量优于遗传算法、禁忌搜索算法、蚁群算法和传统差分进化算法。

基于混沌搜索的蜂窝网基站能量效率与服务质量的联合优化

针对蜂窝网络中基站能量效率和用户服务质量的联合优化问题,结合实际的蜂窝网络中基站与用户终端选择连接的原则,建立了反映基站能量效率和用户终端服务质量的数学模型。采用基于幂函数载波技术的混沌搜索算法对优化问题进行求解,并证明了算法的收敛性。仿真结果验证了模型的有效性及设计算法的可行性。

基于CSSA-LSTM神经网络的动态称重算法的研究

为了提高动态称重的测量精度,实现智慧牧场的实时监测和精细化管理,提出利用混沌麻雀搜索算法优化LSTM的神经网络的动态称重算法。通过动态称重台进行数据采集,并使用卡尔曼滤波算法对干扰数据进行处理。利用Tent映射策略和高斯变异后的麻雀搜索算法优化LSTM神经网络各参数,从而建立CSSA-LSTM神经网络模型。结果表明,CSSA-LSTM神经网络的平均绝对百分比误差在1.5%以内,平均绝对误差减少了0.874,均方根误差减少了1.1153。对比实验证明,该混合算法预测的误差最小,有效提高了动态称重的测量精度。