Logistic混沌映射最低数字位5的特性研究

Logistic混沌映射在真实轨道中迭代真值在最低数字位是5的时候,迭代真值高数字位部分表现出随机特性,迭代真值低数字位表现出线性递增的公共数字位.实验分析显示,在绝对精度条件下,混沌真实轨道保持随机性和公共部分稳定的结构特征,在有限精度条件下,迭代值随机性受计算精度影响很大,公共部分只能通过低位迭代法获取.

属性Logistic混沌映射下的物联网隐私数据安全共享

为加强物联网隐私数据保护,提高用户信任度与满意度,提出属性Logistic混沌映射下的物联网隐私数据安全共享。构建基于主从式结构的三层物联网隐私数据安全共享模型并设计数据访问机制,在此基础上,基于量子细胞神经网络和Logistic映射得到矩阵A,对其分解后,得到矩阵B和序列C,由B矩阵构造混沌序列池,对C序列元素作映射处理,生成索引序列,并确定Logistic映射初始值,再对索引作Logistic映射后,从混沌序列池检索出CP-ABE加密算法的公钥、主密钥后,利用其与用户属性集合生成用户私钥,基于数据访问结构实现物联网隐私数据的加密。实验结果表明,该方法生成的密钥能够通过随机性验证,实现物联网隐私数据加密,且操作数量少,加密强度高。

基于IACO改进Logistic混沌序列的WSN布局优化

标准PSPIEL算法存在分簇随机问题,引入混沌算子提出Logistic混沌序列算法,提出一种改进蚁群算法(IACO)。将两种方法相结合寻优,提出IACO改进Logistic混沌序列,该方法能够较好地应用于无线传感器网络(Wireless Sensor Networks,WSN)布局中。通过实验对IACO改进Logistic混沌序列有效性进行验证,结果表明,在同样互信息量下相对pSPIEL算法、贪婪算法、IACO算法达到了最低通信成本。应用IACO改进Logistic混沌序列的过程中,传感器实际使用数量减小,能够满足效益要求。该研究对提高无线传感器布局优化能力具有一定的理论指导意义。

Arnold和改进Logistic混沌系统图像加密

针对图像信息在传输过程容易被窃取、破坏和恶意篡改的问题,文章提出一种Arnold变换与改进Logistic混沌映射相结合的图像加密算法。该算法先将明文的像素坐标位置进行Arnold变换,再利用改进Logistic混沌映射产生的混沌加密序列对变换后的图像进行扩散与置乱获得加密图像1,修改加密参数后通过同样的步骤再得到加密图像2,随后将两幅图像进行异或处理得到最终加密图像,通过仿真实验结果得出对角相邻相关系数为0.0056,进行分析比对可以得出结合后的加密算法密钥空间大,安全性高,具有较好的加密效果,改善了普通Arnold变换和Logistic混沌加密算法产生出的安全性问题。

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。

t分布与螺旋黏菌搜索的混沌自适应秃鹰搜索算法

针对秃鹰搜索算法搜索精度低、收敛速度慢及易于陷入局部最优的不足,提出t分布与螺旋黏菌搜索的混沌自适应秃鹰搜索算法.首先引入混沌Bernoulli映射进行种群初始化,丰富种群多样性;然后在搜索空间猎物阶段利用螺旋黏菌搜索策略依搜索进程动态修正位置更新方式,提高算法全局搜索能力和收敛精度;在俯冲捕获猎物阶段引入自适应惯性权重策略平衡算法全局搜索与局部开发,提高算法求解精度;最后利用t分布随机扰动策略依概率对种群个体变异,增加算法跳离局部最优、找到全局最优的概率.利用基准函数对算法寻优性能进行实验评估,并引入Wilcoxon秩和检验评估算法搜索性能.结果表明:改进秃鹰搜索算法在寻优精度和收敛速度上都得到了更大提升.

基于变参数的logistic混沌系统图像加密算法

传统基于混沌的加密体制一般会使用固定的参数,对系统轨道的分析和破译使得算法的安全性不高。针对此类问题提出一种新的变参数logistic系统的图像加密算法,利用动态变换产生一组一直变化的logistic系统参数;用此系统产生一组随机序列,分别用于位置置乱和像素变换;双向扩散得到加密后的图像。算法经过仿真实现和性能测试,分析表明该算法能有效应对多种攻击手段,同时对密钥有高度敏感性,表明该算法具有较高的安全性和可靠性。

基于IACO优化Logistic混沌序列的无线传感器布局优化

本文从标准pSPIEL算法存在分簇随机问题,引入混沌算子提出Logistic混沌序列算法,提出一种改进蚁群算法(IACO)。将两种方法相结合寻优,提出IACO优化Logistic混沌序列,该方法能够较好地应用于无线传感器网络布局中。通过实验对IACO优化Logistic混沌序列有效性进行验证,结果表明,在同样互信息量下相对pSPIEL算法、贪婪算法、IACO算法达到了最低通信成本。以IACO优化Logistic混沌序列的传感器实际使用数量很少,能够满足最优成本-效益要求。该研究对提高无线传感器布局优化能力具有一定的理论指导意义。

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。

基于混沌搜索的组合输变电设备过热检测仿真

输变电设备组经常处于发热状态会严重影响其生命周期,针对组合输变电设备发热检测准确性低下的问题,提出一种基于Tent混沌映射与种群演化相结合的参数优化算法,在SVM的基础上构建出MPTTE目标检测模型与CPTTE过热检测模型。首先通过图像灰度化、插值化与均值化处理,降低环境温度噪声与环境背景噪声;接着采用R-CNN算法对MPTTE类进行初识别,同时通过构建能量函数提取目标热特征,并将MPTTE数据集划分成训练集与测试集;然后利用Tent混沌映射算法提高种群演化算法后续参数寻优能力,对SVM的gamma和C参数进行最优解探寻,构建出SVM-MPTTE目标检测模型;最后采用Pearson相关系数分析与均值漂移聚类算法对MPTTE过热目标进行定位,构建出CPTTE过热检测模型。消融仿真结果表明,采用不同优化算法叠加后,MPTTE目标检测模型与CPTTE过热检测模型均产生了正向优化效果。对比仿真结果表明,所提构建的模型较其它三类基线算法相比,模型的综合性能提升了1.03%,且具有最高的精确性。本文提出的算法在设备发热检测上具有较高的精确度与稳定度。

基于饱和参数和混沌搜索算法的同步发电机组励磁分阶段优化控制方法

为了令同步电机励磁控制效果更加优秀,提出基于饱和参数和混沌搜索算法的同步发电机组励磁分阶段优化控制方法。建立饱和状态下同步发电机数学模型,使用模糊PID控制器进行励磁控制,整个同步发电机组的励磁控制分为控制阶段和优化阶段,在控制阶段,PID控制器输入变量为同步电机实际电压和目标电压之间的偏差,输出励磁控制量,作用于同步发电机,并通过模糊推理器对输入、输出变量进行模糊处理,实现同步发电机组励磁控制;在优化阶段,为保证模糊PID的控制效果,选择混沌搜索算法优化模糊PID中不同控制参数的隶属度函数划分,通过在混沌空间内生成多组混沌变量,映射在求解空间中寻找最佳的模糊PID隶属度划分结果,使同步发电机的励磁控制效果达到最好。通过实验可以看出,该方法能够高效完成同步发电机的励磁控制,同步发电机的机端电压由起动到平稳运行的变化幅度小,在平稳运行后能够保证电压长期处于一个相对稳定的状态,并且在非饱和以及饱和参数的情况下调整的速度都十分迅速,并且可以保持平稳运行。

基于Logistic混沌的电力线载波频谱分组量子加密算法

针对当前算法对电力线载波频谱进行分组量子加密时,存在加密效果差、加密的雪崩效应性能低以及安全性能差的问题,提出了基于Logistic混沌的电力线载波频谱分组量子加密算法.通过电力线载波频谱参数分析构建Logistic混沌模型,以此为基础迭代求解量子加密密钥,并在量子极化的原则下分配密钥,在信道中生成可分配的筛选密钥,并利用POVM算法分配密钥,实现电力线载波频谱的分组量子加密.实验结果表明,所提算法的加密效果更好、加密的雪崩效应性能更高以及安全性能更好.

基于改进麻雀搜索算法的分数阶混沌系统参数辨识

混沌系统的参数辨识是非线性科学中的一个经典反问题。由于智能优化算法的高效率和鲁棒性,利用算法对混沌系统进行参数辨识已成为近年来兴起的热点话题。本文致力于针对分数阶定义下的混沌系统进行参数辨识研究,在经典麻雀搜索算法的基础上提出随机扰动和Lévy局部飞行搜索的改进方式,并对分数阶Chen混沌系统和分数阶Lorenz混沌系统进行了参数辨识。仿真实验在6种不同的智能优化算法中进行,其结果证明了所提出的改进麻雀搜索算法具有更快的收敛速率和更高的辨识精度,并能够保证所有的辨识参数与原始参数的误差在10^(-4)以下。研究成果可为非线性系统的智能同步控制提供新的解决办法。

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。

基于Logistic混沌调制的通信网络继电保护数据安全传输方法

当前通信网络继电保护数据安全传输方法传输效率较低,导致数据传输存在耗时较长的问题,为此文章提出基于Logistic混沌调制的通信网络继电保护数据安全传输方法。测试结果表明,与传统数据加密继电保护数据安全传输测试组、传统“互联网+”继电保护数据安全传输测试组相比,设计的继电保护数据的传输速度更快,效率更高,更具有实际的应用价值。

矿井突水水源识别的主成分分析-混沌麻雀搜索-RF模型

为快速、准确地识别矿井突水水源,根据矿井不同含水层水化学成分的差异性,将Na^(+)+K^(+)、Ca^(2+)、Mg^(2+)、Cl^(-)、SO_(4)^(2-)、HCO_(3)^(-)及总硬度作为判别指标。利用主成分分析(Principal Component Analysis,PCA)对数据进行降维,并通过混沌麻雀搜索算法(Chaotic Sparrow Search Algorithm,CSSA)对随机森林(Random Forest,RF)模型中树深和树数目参数进行寻优,建立了基于PCA-CSSA-RF的矿井突水水源识别模型。选取新庄孜矿实测的45组样本数据进行预测分析,33组数据用于模型训练,12组数据用于识别测试,并将结果与其他模型识别结果进行对比。研究表明,利用PCA对数据进行降维可以减少原始数据中的冗余,利用CSSA优化的RF模型可提高全局搜索能力和预测能力,用该模型可提高突水水源识别的效率和准确率。

混合随机反向学习和高斯变异的混沌松鼠搜索算法

针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题,提出一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA)。该算法通过Tent混沌映射初始化策略生成混沌初始种群,增强初始种群分布的均匀性,实现对解空间更高效的搜索;采用非线性递减的捕食者概率策略,平衡SSA的全局搜索和局部开发能力;利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体,以提升算法收敛速度;引入随机反向学习和高斯变异策略,在增加种群多样性的同时提高算法跳出局部最优的能力。使用10个不同的基准测试函数进行仿真实验,并利用Wilcoxon符号秩检验验证所提算法的寻优性能,结果表明,RGCSSA算法在求解精度、收敛速度和稳定性等方面均有极大提升。

融合多向学习的混沌麻雀搜索算法

对于原始麻雀搜索算法(SSA)在迭代过程中表现出的种群多样性减小,易陷入局部最优等问题,提出一种融合多向学习的混沌麻雀搜索算法(MSSA)。利用Hénon混沌映射初始化种群,增加麻雀种群的多样性,扩大可行解的搜索范围,为全局寻优奠定基础;采用多向学习策略增加麻雀跟随者探索未知领域的机会,平衡算法的局部开发性能和全局搜索能力;当算法陷入局部最优时,引用遗传算法中的变异策略依据动态的变异概率对当前最优个体进行扰动变异;将MSSA算法应用到无线传感器网络节点覆盖优化问题。数值实验结果与Wilcoxon秩和检验结果均表明MSSA算法在收敛精度与收敛速度等方面具有更明显的优势。

集成自适应变异混沌松鼠搜索和LSTM算法的RUL预测方法及应用

针对松鼠搜索算法(SSA)优化长短期记忆人工神经网络(LSTM)时,存在优化参数易陷入局部最优以及LSTM预测效率下降的问题,提出一种自适应变异混沌松鼠搜索算法(AMCSSA)优化LSTM学习率及其下降因子的预测模型。通过计算AMCSSA的时间复杂度证明其在未增加算法复杂度的前提下提高寻优效率,AMCSSA采用切比雪夫混沌映射生成混沌初始种群,并将捕食者概率改为非线性递减模式,利用位置贪婪选择策略使其在算法迭代过程中不断更新并保留更优个体,引入自适应T变异策略提高SSA在搜索空间中的勘探能力。通过AMCSSA对LSTM的学习率及其下降因子进行参数寻优,进一步提高LSTM的预测能力。对滚动轴承的剩余使用寿命(RUL)进行实验验证,结果表明所提方法相较于传统SSA、粒子群算法(PSO)、蝙蝠算法(BAT)以及萤火虫算法(FA)优化LSTM后,在预测中的精度分别提高了1.05%、7.61%、8.4%以及7.73%,并且使优化后的LSTM在完成收敛所需要的迭代次数减少,从而提高预测效率。

基于改进Logistic-SSA-BP神经网络的地铁短时客流预测研究

地铁客流的变化规律存在着一定周期性和潮汐性,针对地铁客流的预测有助于提高城市轨道系统的运营效率,实现轨道交通智慧化运营。为提高地铁短时客流预测结果的准确度,提出了一种基于Logistic混沌映射麻雀算法(Logistic-SSA)优化BP神经网络的地铁客流短时预测模型。该模型通过Logistic混沌映射初始化麻雀算法种群,再利用改进后的麻雀算法优化BP神经网络,达到提高BP神经网络的全局搜索能力和收敛效率;以深圳地铁西乡站进、出站AFC刷卡数据为例,利用构建的预测模型开展客流预测实验,并通过3种准确性评价指标(MAE、RMSE、MAPE),评价改进前后模型预测的准确性。研究结果表明:改进的Logistic-SSA-BP预测模型平均绝对百分误差分别为14.96%和13.73%;与传统BP预测模型相比,其客流预测结果具有更高的准确性。