基于多策略麻雀搜索算法的机器人路径规划

通过多种策略对基本麻雀搜索算法(SSA)进行改进,以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先,改进无限折叠迭代映射(ICMIC)初始化种群,将自适应分段步长因子引入麻雀探测器的位置更新公式中,使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后,将观察者的位置与新公式和正弦余弦算法(SCA)相结合,并干扰先前的观察者步长。最后,在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性,并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。

基于改进樽海鞘群算法的特征选择方法

针对樽海鞘群算法求解精度不高、收敛速度慢、容易陷入局部最优等问题,提出融合多种策略的改进樽海鞘群算法CESSA。在初始化种群时引入无限折叠混沌映射,增加初始种群的多样性;在领导者位置更新处融入非线性收敛算子,提高算法全局勘探收敛速度,增强解的精度;根据适应度值的优劣对追随者位置分别采用收敛算子和随机数扰动方式进行更新。改进算法CESSA与K近邻分类器结合构成特征选择模型CESSAFS并用于数据分类。在8个基准函数和10个UCI数据集上分别对CESSA和CESSAFS算法进行测试,其结果表明,改进算法性能更优。

融合排序弹性碰撞的改进麻雀搜索算法

为了改善麻雀搜索算法(SSA)种群初始化结果不充分导致多样性丧失,勘探和开采过程中易受到个别位置信息干扰影响寻优精度等缺点,提出了融合排序弹性碰撞的新型麻雀搜索算法(XSSA)。首先,采用改进的无限折叠迭代混沌映射(ICMIC)初始化种群,提升了初始种群分布的分散程度;其次,使用高斯随机游走策略平衡算法的探勘和开发能力;此外,在发现者更新后对所有个体执行排序弹性碰撞策略,避免算法过早地收敛到局部极值;最后,根据不同阶段的寻优特点制定多策略边界处理机制,保留住种群数量,避免多样性的丧失。同时,结合重要的位置信息对超出边界的个体进行位置再更新,使得处理后的位置更加合理,为接下来的迭代搜索提供质量保证。对12个基准函数进行仿真实验,并画出收敛精度图直观展示算法性能。借助各策略的贡献测试、Wilcoxon秩和检验、Friedman检验的综合排名等证明了XSSA的有效性、独特性和具有较好的寻优性能。

无限折叠混沌映射的周期窗口分析及其均匀分布特性检验

本文提出了一类具有较大Lyapunov指数的无限折叠一维迭代混沌映射 ,分析了它在分岔图中出现的主周期窗口位置与长度所具有的规律性 ,依此规律对参数作适当选取可产生较为理想的一维迭代混沌模型 .通过检验它在迭代区间内的均匀分布特性 。

二相与四相无限折叠混沌扩频序列的相关特性分析

本文利用无限折叠迭代混沌映射产生二相与四相混沌扩频序列。分析了该序列轨迹点具有的分布律与相关特性 ,模拟结果表明它们分别能获得比同等长度的二相与四相Logistic序列、四相Chebyshev序列、m序列、Gold序列更好的自相关与互相关性能 ,有利于解决CDMA移动通信中对相关性要求很严格的抗多址 (多径 )干扰、多用户检测等关键问题。

基于复合混沌系统的数字图像加密算法

提出一种整合了Henon映射与无限折叠混沌映射的复合混沌系统,并应用该系统生成的混沌序列进行数字图像的加密。算法以He-non映射的初值为加密系统的密钥。首先,固定无限折叠混沌映射的一个控制参数,输入密钥,迭代Henon映射,并将所生成的混沌序列的均值作为无限折叠混沌映射的另一个控制参数,然后,迭代无限折叠混沌映射以产生所需的混沌序列,最后,应用该混沌序列构建出置乱矩阵和变换矩阵,对图像进行加密。实验结果表明,该算法具有较好的加密效果和较高的安全性。

多策略黑猩猩优化算法研究及其工程应用

针对基本黑猩猩优化算法存在的依赖初始种群、易陷入局部最优和收敛精度低等问题,提出一种多策略黑猩猩优化算法EOSMICOA(chaotic elite opposition-based simple method improved COA)。在EOSMICOA算法中,利用混沌精英反向学习策略对黑猩猩个体位置进行初始化,提高种群的多样性和质量,同时在位置更新过程中利用单纯形法和群个体记忆机制对较差个体进行改进,进一步提高算法的局部开发能力和勘探能力,以及算法的寻优精度。为验证改进算法的寻优能力,将EOSMICOA算法与多个智能算法对20个复杂函数进行对比实验,结果表明EOSMICOA在收敛精度、寻优速度等方面都有明显优势。最后,将EOSMICOA与当前最新改进算法应用于焊接梁设计中,对比结果表明EOSMICOA可以更有效地应用于工程设计优化问题。

融合正弦余弦和无限折叠迭代混沌映射的蝴蝶优化算法

针对蝴蝶优化算法求解精度不高、收敛速度较慢等问题,提出融合正弦余弦和无限折叠迭代混沌映射(ICMIC)的蝴蝶优化算法.首先,采用ICMIC映射对蝴蝶个体状态进行初始化,避免算法陷入局部最优.然后,在自身认知飞行部分引入正弦余弦算子,平衡算法的局部搜索能力与全局搜索能力.最后,通过改进依赖香味大小的幂指数调整吸收程度,获取更好的最优解.在8个基准函数上的实验表明,文中算法具有较优的全局搜索能力和求解鲁棒性,寻优精度较高,收敛速度较快.

一种新型混沌交织器对turbo码性能的影响

该文对turbo码中关键的交织器作了分析,阐述了交织器在turbo码中的重要作用,提出了一种基于ICMIC映射的随机交织器设计方法。通过在AWGN信道下采用Log-MAP译码算法进行仿真实验,本文设计的混沌交织器纠错性能较3GPP标准交织器提高0.35 dB,较S-伪随机交织器提高0.15 dB。