基于混沌映射和莱维飞行扰动的蛇形优化算法

为解决蛇形优化算法收敛速度慢和寻优能力差的问题,提出一种基于改进的Tent混沌映射和莱维飞行扰动的先进蛇形优化算法(ASO)。引入改进Tent混沌映射,提高初始种群的多样性;在蛇群勘探和开发过程中引入自适应概率阈值,平衡算法全局搜索和局部开发的能力;为保证种群进化方向,将莱维飞行扰动和贪心算法相结合,对劣势蛇个体生成更大扰动。通过在9个复杂测试函数上与其它4种元启发式算法进行对比,实验结果表明,先进蛇形优化算法在收敛速度、求解精度以及稳定性方面有较大提高,通过Wilcoxon秩和检验证明ASO与其它算法有明显不同。将ASO算法用于求解弹簧设计优化问题。

基于扰动观测器的终端滑模混沌系统控制

研究了一类基于扰动观测器的终端滑模混沌系统控制问题,利用扰动观测器估计了由系统中不确定项组成的混合扰动。通过构建终端滑模面保证了跟踪误差在有限时间内到达原点。运用Lyapunov函数证明了所设计控制方法能够实现误差系统稳定的结论,通过数值仿真证明了方法的有效性。

基于混沌扰动与柯西变异的HHO算法

对于传统哈里斯鹰算法收敛精度较低且易陷入局部最优的问题,提出改进的哈里斯鹰优化算法(Harris Hawks optimization,简称HHO).首先引入指数能量方程和正弦跳跃距离方程,然后根据个体的适应度值对个体进行柯西变异或Circle混沌扰动,有效解决其陷入局部最优问题.论文优取了10个基准函数进行测试并对结果进行Wilcoxon检验,结果表明,改进后的算法在统计水平上显著于其他对比算法,其收敛精度、速度均有所提升.

基于扰动法的抗退化数字混沌系统研究

研究数字混沌系统的退化问题对混沌密码学的发展有重要意义,扰动法能有效改善数字混沌系统的退化行为。首次提出对一维Chebyshev混沌系统的全部扰动对象进行扰动的方法,使Chebyshev映射表达式的每一个部分都被扰动源所影响,从而达到抗退化的目的。还对改进方案生成混沌序列的性能进行了对比与分析,结果表明,上述方案在低有限精度情况下不仅大大延长了数字Chebyshev混沌系统周期,使系统的动力学性能得到提高,扩展了密钥空间,可用于混沌密码算法的设计中。

基于混沌小扰动抑制的电力系统混沌振荡控制方法研究

针对电力系统在周期扰动下可能发生混沌振荡,影响电力系统稳定运行的问题,提出基于混沌小扰动抑制的电力系统混沌振荡控制方法;构建电力系统数学模型,模拟电力系统混沌振荡过程,确定扰动与混沌振荡之间的关系;根据电力系统实时运行数据的采集结果,计算混沌振荡信号特征参数,判定系统振荡状态,计算混沌扰动抑制控制量;在混沌振荡控制器的支持下,利用混沌小扰动抑制技术限制混沌振荡幅值,进而实现电力系统的混沌振荡控制任务;从实验结果中可以看出,与传统控制方法相比,优化设计方法控制作用下,电力系统的混沌振荡信号的幅值和频率更低,振荡幅值和频率的控制误差分别降低了约1.57 db和0.015 Hz,即优化设计方法的控制性能更优。

融合T-分布小波变异的混沌鲸鱼优化算法

针对鲸鱼优化算法难以跳出局部最优导致收敛精度不足的问题,提出一种融合了T-分布小波变异和多项式差分学习策略的鲸鱼优化算法.该算法首先引入Circle混沌扩大搜索范围,提高收敛速度;然后采用T-分布小波变异策略平衡全局和局部搜索能力;最后采用多项式差分学习策略改进算法的优化精度.对3种改进策略作单一引入的仿真对比分析,并将改进的鲸鱼优化算法在12个可变维度的基准测试函数上进行仿真,对本文改进的鲸鱼优化算法与其他改进策略的鲸鱼优化算法以及其他几种智能算法进行比较.结果表明,基于T-分布小波变异和多项式差分学习策略的改进鲸鱼优化算法具有较好的稳定性,收敛速度和精度更好.

融合混沌映射和自适应T分布的蜣螂优化算法

针对原始蜣螂优化算法(DBO)存在的收敛精度低、易陷入局部最优等问题,提出一种改进的蜣螂优化算法。该算法采用混沌映射初始化蜣螂种群以提高种群的多样性,引入北方苍鹰优化算法的勘探策略以增强算法的全局勘探能力,并改进一种非线性边界收敛因子以平衡其收敛速度和收敛精度。同时,采用自适应T分布扰动策略以增强算法跳出局部最优的能力。实验结果表明,改进后的DBO算法在15个基准测试函数的求解寻优中,有13个测试函数的求解结果优于原始蜣螂优化算法、麻雀搜索算法、灰狼优化算法、鲸鱼优化算法和哈里斯鹰优化算法的求解结果,表现出更高的收敛精度、更快的收敛速度及更高的稳定性。

引入精英反向学习和柯西变异的混沌蜉蝣算法

为提高蜉蝣算法的收敛速度,提升算法寻优能力,提出一种引入精英反向学习和柯西变异的混沌蜉蝣算法。利用Circle混沌映射序列优化初始种群使种群分布更加均匀,提高种群多样性。在蜉蝣更新阶段,对蜉蝣中的精英个体进行反向学习策略,防止算法陷入局部最优,提高算法收敛速度。为保证种群进化方向和扩大寻优范围,将自适应概率阈值和柯西变异的扰动机制相结合,对劣势蜉蝣个体附近生成更大的扰动。通过8个基准测试函数实验对比和Wilcoxon秩和检验,实验结果表明,混沌蜉蝣算法在收敛速度、求解精度以及稳定性等方面有较大提高。

混合多项自适应权重的混沌麻雀搜索算法

麻雀搜索算法具有原理简单、搜索能力强、快速寻优等优点,但是存在全局搜索不足、易陷入局部最优等缺点,针对其缺点提出了混合多项自适应权重的混沌麻雀搜索算法。增加改进Circle混沌映射提高种群多样性;在发现者引入自适应权重策略,提高发现者的全局搜索能力和搜索范围;在加入者引入改进鲸鱼优化算法的气泡网捕食策略,提高算法的局部搜索性能和跳出局部最优的能力;结合反向学习策略机制,对所有的个体进行最优选择,使每次迭代后的个体质量得到提升,以提高算法的寻优效率和寻优精度。将混合多项自适应权重的混沌麻雀搜索算法与4种经典基本算法和9种改进的麻雀搜索算法在12种测试函数和CEC2022测试函数上进行对比,改进算法有更好的寻优性能和收敛速度。

柯西变异的混沌自适应被囊群算法

针对被囊群算法(TSA)收敛速度慢,寻优精度低,易陷入局部极值等问题,提出了基于柯西变异的混沌自适应被囊群算法(KZCTSA).首先,采用Circle混沌初始化整个被囊种群,提高种群多样性,提升算法全局搜索能力;其次,引入自适应权重调整算法参数分配,平衡算法全局寻优和局部开拓能力;最后,使用柯西变异协调算法跳出局部最优能力.通过在10个基准测试函数上与其他算法比较寻优结果,并进行Wilcoxon、Fiedeman秩和检验评价算法性能,结果表明KZCTSA具有更好的求解精度和收敛速度.

融合柯西扰动与种群优化的布谷鸟算法

针对传统布谷鸟算法存在的初始种群多样性差、面对高维复杂问题极易陷入局部最优解的问题,采用Tent混沌映射优化初始种群,使初始种群具有更好的便利性,对多次迭代中当代最优值不变的种群进行柯西扰动,提高算法跳出局部最优解的能力。采用7种不同类型的测试函数与CS、PSO、DE3种对比算法,验证改进算法的寻优能力。结果表明,对于不同类型的测试函数,改进的算法较传统算法在寻优速度与精度方面均有所提高。

基于混沌映射与高斯扰动的蝙蝠优化算法

该文针对蝙蝠算法求解精度低、易陷入局部最优的问题,提出一种基于混沌映射与高斯扰动的蝙蝠优化算法。采用Tent映射产生混沌序列并进行种群初始化,提高了种群多样性与全局寻优能力。在当前全局最优位置添加高斯扰动,避免算法过早陷入局部最优。为验证改进算法的有效性,选用10个不同维度的基准测试函数,与3种已有的蝙蝠算法进行比较。试验结果表明,改进后的算法在寻优精度、收敛速度和稳定性方面明显高于另外3种算法。

一个可用于信息安全领域的复合混沌系统的构建与分析

使用扰动算法,利用PLCM映射与Intertwining Logistic映射构造出一个三维复合混沌系统.经递归定量分析并使用尺度指数(scale index)等工具评估得出,新系统密钥空间大,抗差分攻击能力强,产生的混沌序列非周期度高、结构复杂.因此,新复合混沌系统可应用于信息安全领域.

面向柔性作业车间调度问题的混沌编码量子粒子群优化算法

为解决柔性作业车间调度问题,提出一种混沌编码量子粒子群优化算法。针对标准量子粒子群优化算法中粒子过早收敛于局部最优值的缺点,提出具有扰动行为的自适应收缩-扩张系数和关联粒子适应度值的计算方法,改善算法的全局搜索能力;通过引入混沌边界变异策略,减少粒子大量聚集在边界的概率,增加种群的多样性来提高搜索最优解的能力;针对量子粒子群优化算法的迭代特性,设计一种适用的混沌编码策略。将提出的改进量子粒子群优化算法应用于柔性作业车间调度问题,并通过多种基准算例与标准量子粒子群优化算法、粒子群优化算法和混合遗传算法进行对比,验证所提算法的性能。实验结果表明:混沌编码量子粒子群优化算法具有更好的稳定性和更强的寻优能力。

不可压缩超弹性球体中微孔运动的分岔和混沌

针对一类径向横观各向同性不可压缩neo-Hookean材料组成的球体,研究了周期扰动载荷作用下球体中心处微孔的动力学行为.根据平衡微分方程和初边值条件等导出描述微孔径向对称运动的强非线性的非自治常微分方程,通过对微分方程解的定性分析,讨论了微孔的定性行为:(1)在常值载荷作用下,讨论了材料参数和结构参数对系统平衡点的影响,特别分析了微孔的二次转向分岔;通过对系统势阱的分析,讨论了微孔在常值载荷作用下的周期和振幅跳跃现象.(2)在周期扰动载荷作用下,利用时程曲线,Poincaré截面和最大Lyapunov指数分别讨论了二次转向分岔情形下微孔的拟周期和混沌运动,给出了系统产生混沌的条件,并进一步分析了周期扰动载荷对微孔混沌运动的影响.

引入混沌干扰机制的变异天牛群搜索算法

针对天牛须搜索(Beetle Antennae Search,BAS)算法收敛慢、精度低且容易陷入局部最优等缺陷,提出了一种引入混沌干扰机制的变异天牛群搜索算法(Chaotic Interference Mechanism of Mutation Beetle Swarm Optimization Algorithm,CMBSOA)。首先,应用粒子群(Particle Swarm Optimization,PSO)策略将天牛须搜索算法中的天牛个体扩展为天牛群,扩大算法的搜索范围,提高算法的全局搜索能力;其次,引入Logistic混沌映射机制对天牛群进行混沌扰动,使初始化的种群以随机方式均匀分布,以加快算法的收敛速度;最后,提出变异因子策略进行位置更新,使该算法更易跳出局部最优,增强算法的稳定性与精度。为了验证CMBSOA算法的有效性,将其与天牛群算法(Beetle Swarm Antennae Search,BSAS)及PSO通过2组单峰和3组多峰测试函数进行测试和对比,结果表明,CMBSOA算法具有较强的稳定性,此外还具有更优的精度和较快的收敛速度,且能最大限度地避免产生局部最优解问题。

随机扰动下一类混沌系统的同步

基于工程上广为应用的非线性鲁棒观测器思想,在随机扰动存在的情况下,对一类混沌系统成功地实现了同步。响应系统分两步进行设计,首先利用矩阵理论通过线性变换将受扰混沌系统进行扰动解耦,使系统部分状态与扰动无关,然后针对扰动解耦系统设计非线性观测响应系统。同时结合混沌吸引子有界性这一特点,将观测器存在条件化为求解系统的LMI,最终的仿真结果证明了该方法的有效性。

基于混沌关联积分的暂态电能质量扰动分类

关联积分曲线基于时间序列重构,能够更全面反映时间序列扰动变化,并且作为扰动识别的特征量,可以避开关联维无标度区间确定这一问题。根据暂态电能质量信号在不同扰动下其关联积分曲线所呈现出的特有形态特征,将关联积分曲线作为扰动识别的特征量。不同扰动信号的关联积分曲线区别较大,直观明了。该方法操作简单方便,可以省去烦琐的数值分析,且具有较高的精确度和实用性。对几种典型的暂态扰动信号进行识别和分类,仿真结果证明了其有效性和优越性。

有限精度混沌系统的m序列扰动实现

本文研究利用ｍ序列的扰动来实现有限精度混沌系统的方法．考察了扰动序列的周期、幅度以及扰动分布对混沌信号特性的影响．研究表明，扰动ｍ序列所需的阶数取决于混沌序列所需要达到的周期长度，扰动的位数取决于混沌映射的最大斜率．随着混沌系统实现精度的提高，所需的扰动幅度呈指数减小．

个体扰动的混沌对立学习与差分进化灰狼算法

针对传统灰狼优化算法易于陷入局部最优、寻优精度低的问题,提出基于混沌对立学习和差分进化机制的改进灰狼优化算法CODEGWO。引入混沌对立学习策略生成灰狼初始种群,提升初始解的质量,加速算法收敛;引入差分进化的局部搜索机制,改善灰狼的局部开发与邻近区域的搜索能力;引入个体扰动机制增加种群多样性,改进灰狼的全局搜索能力。8个单峰和多峰基准函数优化求解的测试结果表明,CODEGWO算法可以有效提升寻优精度和收敛速度。