基于Cat混沌与高斯变异的改进灰狼优化算法

针对基本灰狼优化算法在求解复杂问题时同样存在依赖初始种群、过早收敛、易陷入局部最优等缺点,提出一种改进的灰狼优化算法应用于求解函数优化问题中。该算法首先利用混沌Cat映射产生灰狼种群的初始位置,为算法全局搜索过程的种群多样性奠定基础;同时引入粒子群算法中的个体记忆功能以便增强算法的局部搜索能力和加快其收敛速度;最后采用高斯变异扰动和优胜劣汰选择规则对当前最优解进行变异操作以避免算法陷入局部最优。对13个基准测试函数进行仿真实验,结果表明,与基本GWO算法、PSO算法、GA算法以及ACO算法相比,该算法具有更好的求解精度和更快的收敛速度。

一种基于混沌不透明谓词的压扁控制流算法

提出了一种基于混沌不透明谓词的压扁控制流算法。该算法将一种新的基于Arnold cat二维混沌映射的N态不透明谓词的构造方法用于改进压扁控制流混淆算法的全局索引变量,并开发了一个基于该算法的JavaScript脚本混淆系统。通过对混淆前后JavaScript程序的静动态分析证明了该混淆算法具有正确性和有效性,同时还能提高混淆后程序的安全性。

基于改进混合灰狼优化算法的无人机三维路径规划

针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。

动态整体反恶化混沌粒子群优化算法

为防止粒子群优化算法陷入局部最优,引入混沌和整体反恶化机制,设计了一种整体逐步反恶化的粒子群优化算法公式,提出动态整体反恶化混沌粒子群优化算法,使粒子摆脱局部最优,逐步向全局最优处收敛。采用多个著名标准测试函数进行实验,结果表明本文方法在不同情况下都超越了其他著名粒子群优化改进算法。

差分进化协同定位算法研究

物联网定位问题可以映射为一个优化问题,通过差分进化算法(Differential Evolution Algorithm,DE)进行优化求解。在求解过程中,传统的适应度函数没有包含未知节点之间的距离信息,导致距离信息不够全面,使算法的定位精度提高有限。鉴于此,从提高定位精度的角度出发,提出了一种差分进化协同定位算法。构建新的适应度函数,该适应度函数不仅包含已知节点与未知节点之间的距离信息,还包含未知节点之间的距离信息,保证距离信息在优化求解过程被充分利用;采用Cat混沌映射方法保证初始种群均匀分布,使搜索范围变大,提高算法的寻优能力;采用Levy飞行策略,解决因空间维数增大导致算法陷入局部最优解的问题。仿真结果表明,与传统差分进化定位算法相比,差分进化协同定位算法可以有效减少测距误差对定位误差的影响,改善定位性能。

多策略改进的乌燕鸥算法及应用

乌燕鸥算法(STOA)存在收敛缓慢、稳定性差、收敛精度低等问题,鉴于此,提出一种多策略改进的乌燕鸥算法(MISTOA)。首先,为增强初始种群的多样性,采用Cat混沌映射对STOA算法种群进行初始化。其次,将自适应权重因子和高斯函数改进了算法的迁徙位置更新方式,增强了算法的全局搜索能力。同时,结合自适应权重因子和邻代交叉学习策略改进了算法的攻击位置的更新方式,增强了算法跳出局部最优的能力。最后,采用高斯变异策略对乌燕鸥最优个体进行扰动,提高算法的全局搜索与局部搜索之间的平衡能力。利用7个测试函数和主梁轻量化设计对MISTOA算法收敛性能和工程实际应用能力进行了验证。结果表明:与其他5种先进的算法,MISTOA算法收敛性能更优,稳定性较好和鲁棒性较强。MISTOA算法可实现桥式起重机主梁质量减重率约为20.76%,优化结果优于已有的方法,因此,MISTOA算法可以高效地处理复杂的非线性约束的现实问题。

基于混合策略改进的金豺优化算法

针对金豺算法种群初始化多样性不足、在搜索后期容易陷入局部最优的问题,对金豺优化算法作了改进。利用Cat混沌映射和精英反向学习策略初始化种群,利用单纯形法优化较差个体,改进了收敛因子,引入自适应权重的方式更新位置,引入个体记忆方法加快其收敛速度并采用高斯变异优化最优解。通过对8个基准测试函数进行仿真实验,与MFO算法、MVO算法、GWO算法、SCA算法进行比较,证明了经改进的GJO算法具有更高的求解精度和更快的收敛速度。

一种优化的灰狼算法

针对传统灰狼算法存在局部开发能力弱、早熟收敛以及初始种群分布不均匀等缺点,优化了传统灰狼算法。采用Cat混沌映射和反向学习初始化种群,增加初始种群的多样性和均匀性;在灰狼位置更新方面结合了粒子群算法的个体位置更新策略的优势,降低了算法陷入局部最优的风险;引入非线性控制参数,平衡了算法的全局搜索能力和局部开发能力;利用Levy飞行对α狼进行全局搜索,防止了算法后期狼群丧失多样性和算法收敛早熟。利用优化后的灰狼算法对6个标准测试函数进行理论仿真,结果表明,与传统灰狼算法、粒子群算法和蚁群算法相比,优化后的灰狼算法在标准函数求解精度和算法稳定性方面均有显著提高。

基于改进樽海鞘群算法的无线传感器网络节点定位

传统距离矢量-跳数(DV-Hop)定位算法中定位阶段的准确率较低,提出了一种改进樽海鞘群算法优化的DV-Hop定位算法。首先,利用Cat混沌映射产生混沌序列,用以种群初始化;其次,在追随者更新时加入环境和优秀个体的影响,引入精英引导变异实现;最后,用败者淘汰策略去除较差个体同时产生较优个体。实验结果表明:优化后的DV-Hop算法与传统DV-Hop算法及其他对比算法相比,定位精度较高,具有更好的定位能力。

对ICBGCM混沌图像加密算法的安全性分析

针对一个用于图像加密的密码算法(ICBGCM)在已知图像条件下的安全性问题,给出了求解加密算法等效密钥的攻击算法.该算法基于ICBGCM算法所使用的广义混沌Cat映射的短周期性和仿射特性,在已知图像的条件下,通过求解两个线性无关的加密前后的图像像素灰度值点,获得广义混沌Cat映射的全部等效密钥参数.利用穷尽方法求出加密算法的其余等效密钥,给出了应用该算法的具体步骤,并分析了攻击算法的计算复杂性.所得结果证明了ICBGCM算法在已知图像攻击下是不安全的.