基于Tent映射的混沌优化算法

针对目前混沌优化算法寻优速度慢的问题,论证了Tent映射的优越性,并结合模式搜索法,构造了一种搜索速度较快的混合优化算法.该算法能够搜索全局最优解,并具有较快的搜索速度.通过算例验证了该方法的可行性和Tent映射的应用前景.

基于Tent映射的混沌混合粒子群优化算法

为改善基本粒子群优化算法的寻优性能,通过算法混合,在粒子群优化算法中逐步引入优进策略和混沌搜索机制,以加强粒子群的局部寻优效率和全局寻优性能。并将粒子分为两类,分别执行不同的进化机制,实现协同寻优,从而构建为一种新的混沌混合粒子群优化算法。标准测试函数的仿真优化结果表明,该混合算法对较大规模的复杂问题具有较强的求解能力。算法寻优效率高、全局性能好、优化结果稳定,性能明显优于标准粒子群优化算法以及遗传算法等单一的随机搜索方法。

基于Tent映射混沌优化NSGA-Ⅱ算法的综合能源系统多目标协同优化运行

为了提高能源综合利用效率与分布式可再生能源就地消纳能力,结合能源互联网建设过程中自动需求响应系统的应用趋势,构建了基于自动需求响应和储能的综合能源系统多目标协同优化运行模型,并提出了基于Tent映射混沌优化的NSGA-Ⅱ多目标函数求解算法。将所提模型及求解算法应用于我国某典型园区综合能源系统的实际算例中,结果表明:Tent映射混沌优化NSGA-Ⅱ算法求解此类问题具有可行性;考虑自动需求响应和储能作用的综合能源系统相较于其他3种情景具有显著经济、技术和环境效益,促进了新能源并网消纳。

基于Tent映射的自适应混沌混合多目标遗传算法

提出一种Tent映射在计算机上实现的改进算法,有效解决了受计算机字长影响,Tent映射存在不动点和小周期的情况.将改进的Tent映射应用于混沌优化算法中,对基本NSGA-Ⅱ算法进行改进.使用混沌序列对初始种群赋值,提高算法收敛能力;使用改进的混沌搜索增强种群多样性;分别使用基本算法和改进算法对标准测试函数进行数值仿真.统计结果显示:改进的算法可以在保持高效率求解的同时,得到的非劣解在收敛性和多样性指标上均优于基本NSGA-Ⅱ算法.

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能。几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性。

一种新型Skew Tent映射的混沌混合优化算法

针对已有的混沌优化算法几乎都是利用Logistic映射作为混沌序列发生器,而该混沌序列的概率密度函数呈两头多、中间少的切比雪夫型的分布性质,不利于搜索的效率和能力,为此,首先构造一种新型混沌映射序列发生器—Skew Tent映射并结合迭代优化特点加以改进,然后分析了它的混沌特性．其次,将改进的混沌映射与Alopex启发算法相结合,充分发挥Alopex算法的快速搜索能力和混沌优化全局寻优的特性,提出一种混沌混合优化算法,提高了算法的收敛速度和有效搜索全局最优解．最后,仿真算例验证了该算法的有效性和Skew Tent混沌映射的应用前景．

基于改进的二维交叉熵及Tent映射PSO的阈值分割

最近提出的二维交叉熵阈值分割方法所依据的灰度级-平均灰度级直方图存在错分,且寻求最优阈值时,即使采用递推算法仍需遍历整个搜索空间,运行速度有待进一步提高。为此,本文给出改进的灰度级-梯度二维直方图,据此导出了相应的二维最小交叉熵阈值选取公式及其递推算法,并且采用改进Tent映射混沌粒子群优化(particle swarm optimization,PSO)算法搜寻二维最优阈值。大量实验及与现有二维交叉熵方法的对比表明,所提出的方法在计算最优阈值时尽可能考虑了所有目标点和背景点,从而使分割结果更加精确;而求取阈值因只需遍历其中小部分解空间,使运行时间约减少到原来的10%～40%。

基于混沌反控制的Tent映射伪随机序列发生器设计

应用混沌反控制思想有意识地去产生混沌,进而应用混沌系统的伪随机特性进行伪随机序列发生器设计。针对Tent映射在有限精度实现时产生伪随机序列所存在的周期过短问题,应用混沌反控制,对Tent映射加入控制输入,从而解决了输出伪随机序列周期过短的问题,并通过阈值的在线调节输出0-1伪随机序列。证明了受控Tent映射是Lyapunov指数意义下混沌的,分析了Tent映射混沌反控制所产生的伪随机序列的安全性和计算效率,理论分析和仿真结果都证明了这种设计伪随机序列发生器算法的合理性。

基于Tent映射CPSO的二维斜分指数熵阈值分割

现有的二维指数熵阈值分割快速算法的计算效率或收敛精度尚不够高,为此,本文提出了基于Tent映射混沌粒子群的二维直方图斜分指数熵阈值选取方法。首先引入了直方图区域斜分方法以改善分割结果的准确性和抗噪性,然后提出利用基于Tent映射混沌粒子群算法寻找最佳分割阈值,提高搜索过程的收敛精度和计算效率。实验结果表明:与基于灰度级-平均灰度级直方图直分的快速算法相比,该方法由于尽可能地考虑了所有目标点和背景点,分割效果更佳,同时以混沌粒子群优化搜索过程,运行时间更少;与基于灰度级-梯度直方图及Logistic混沌粒子群的方法相比,本文方法的抗噪性能更稳健、收敛精度更高。

基于改进Tent映射的自适应变尺度混沌粒子群算法

为改善标准粒子群优化算法本身存在的缺陷,引入种群混沌初始化方法、参数自适应调整策略、早熟判断机制以及基于改进Tent映射的变尺度混沌局部搜索方法对原有算法进行改进,提出一种基于改进Tent映射的自适应变尺度混沌粒子群算法(Improved Adaptive Chaos PSO,IACPSO)。多种高维Benchmark函数的计算结果表明,IACPSO算法在计算精度、优化稳定性及收敛速度方面均明显优于其他改进粒子群优化算法。

基于Tent映射双向耦合映象格子的宽间隔跳频序列及其性能分析

为实时产生宽间隔跳频序列,提出了一种基于Tent映射双向耦合映象格子的宽间隔跳频序列实时产生方法。该方法采用多比特量化和比特抽取相结合的量化方法和改进的平移替代法进行宽间隔处理。仿真结果表明,实时产生的宽间隔跳频序列服从均匀分布,具有宽的跳频间隔、良好的汉明相关性和复杂的相空间分布。

基于Tent映射CPSO和车牌纹理特征的车牌定位

针对现有车牌定位算法定位准确率不高和速度慢等问题,结合车牌纹理特征,提出了一种基于Tent映射混沌粒子群(CPSO)的车牌精确定位算法.首先用基于二维直方图区域斜分的OTSU方法对车牌图像做二值化处理;接着使用三组一维滤波器获取其二值纹理特征向量.然后利用基于Tent映射CPSO快速准确的全局搜索能力,结合二值纹理特征向量构造适应度函数,并引入车牌纹理的一致性度量作为判决条件,找到车牌区域的最佳定位参量.最后,与基于遗传算法(GA)和基本粒子群算法(BPSO)的定位方法进行了比较.实验结果表明,该方法适应性强,定位效果较好,运行时间更短.

改进的Tent映射混沌调频雷达信号抗多径性能

最近几年,许多研究人员利用基于混沌的频率调制信号应用于距离和多普勒成像,在研究中发现,基于Tent映射的调频雷达信号性能有待进一步改善。文中提出了改进途径,对Tent映射进行多段线性分段处理,给出了数学定义式及其性能,如最大Lyapunov指数、宽带噪声特性、优异的自相关和图钉状的模糊函数。通过分析计算和仿真结果表明,基于多段线性分段Tent映射混沌调频雷达信号在多径传播环境下的抗多径性能得到明显改善,在高分辨成像雷达中有良好的应用前景。

引入改进tent映射的遗传禁忌混合算法及其在地区无功优化中的应用

基于对混沌算法、遗传算法和禁忌搜索法的比较分析,结合实际无功优化问题提出了一种引入改进tent映射的遗传禁忌混合算法,它以遗传种群为进化主体,同时伴随tent映射产生辅助个体,在状态更新中通过一定的选择比较机制引入辅助个体,在进化过程中综合禁忌搜索操作,一定程度上避免了迂回搜索。将其应用于某地区电网无功优化中,通过与基本遗传算法、改进遗传算法和遗传禁忌算法的比较表明该混合算法性能更为优良。

基于Tent映射混沌粒子群的快速指纹特征匹配

为了进一步提高指纹匹配算法的计算效率,本文提出了一种基于改进的Tent映射混沌粒子群优化的快速指纹特征匹配算法。首先,将粒子群优化引入基于指纹细节特征的点模式匹配中,并利用混沌的类随机性和高遍历性克服基本粒子群算法的不足。考虑到Tent映射比Logistic映射具有更好的遍历性,且基于Tent映射的混沌优化可进一步提高寻优效率,故利用改进的Tent映射混沌粒子群算法优化指纹细节特征匹配的几何变换参数估计,提高搜索过程的收敛精度和运算速度;然后,采用分层匹配的方法,设计了相应的细节特征匹配适应度函数,在粗匹配后利用具有平移旋转不变性的细节特征点的局部结构信息确定特征点对的匹配关系,以抵抗指纹图像旋转、平移和局部非线性形变等因素的影响;最后,给出了针对FVC2006指纹数据库进行的大量指纹细节特征匹配实验的结果及其客观定量评价。结果表明:与最近文献中提出的基于遗传算法的指纹特征匹配算法相比,本文提出的方法匹配精度更高,且运算速度提高了约一倍。

基于Tent映射和Logistic映射的粒子群优化算法(英文)

粒子群优化算法是一种基于群体智能的随机优化算法,针对粒子群优化算法稳定性较差和易陷入局部收敛的缺点,作者提出了一种基于tent映射和logistic映射的粒子群算法,一方面,分别应用tent映射和logistic映射初始化均匀分布的粒群提高了初始解的质量;另一方面,设定粒子聚集程度的量化计算公式和判定阈值,并引入自适应高斯变异策略,增强了算法跳出局部最优解的能力.通过对基准测试函数的仿真计算,证明该算法具有稳定性好和收敛速度快的特点.

基于Tent映射的混沌粒子群优化算法

针对粒子群算法在迭代后期易陷入局部最优的不足,采用Tent映射所产生的混沌序列在粒子个体最优点和全局最优点附近进行混沌搜索,利用混沌搜索的全局遍历性和随机性提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能。几个典型测试函数的仿真结果证明了该算法的可行性。

概率密度函数在Tent映射置换下的轨道研究

设τ是Tent映射,Aτ是Perron-Frobenius算子,f是闭区间[0,1]上的一个概率密度函数.研究证明了Aτnf的轨道,得出了一个主要定理,并运用Mathematica 5.2程序软件画出了Aτnf的轨道图像.

一种基于TENT映射的新型低截获脉压雷达信号

着眼于低截获雷达系统的工程实现 ,提出了一种实现简单 ,性能优越的基于TENT映射的新型低截获脉压雷达信号波形 ,该波形采用了脉间由混沌信号控制码型跳变 ,脉内由m序列调相 ,相邻脉冲采用m序列优选对的低截获波形设计技术。分析了这种雷达信号波形的数学模型和统计特性 ,从平均模糊函数的角度讨论了该雷达信号与真随机二相码调相之间的关系并给出了其对应的波形产生与信号处理模块系统框图。理论分析和仿真结果均表明 ,这种雷达信号波形具有良好的距离速度分辨力、很低的截获概率和优异的ECCM性能 。

一种基于Tent映射的混合灰狼优化的改进算法

针对基本灰狼算法易陷入局部最优、未考虑个体自身经验等问题,本文提出一种基于Tent映射的混合灰狼优化算法(grey wolf optimization algorithm based on particle swarm optimization,简称PSO_GWO).首先,其通过Tent混沌映射产生初始种群,增加种群个体的多样性;其次,采用非线性控制参数,前期递减速度慢,能够增加全局搜索能力,避免算法陷入局部最优,后期收敛因子递减速度快,增加算法局部搜索能力,从而提高整体收敛速度;最后,引入粒子群算法的思想,将个体自身经历过最优值与种群最优值相结合来更新灰狼个体的位置信息,从而保留灰狼个体自身最佳位置信息.为验证该算法的有效性,本文借助9个标准测试函数来与其他三种算法进行对比.实验结果表明,本文提出的算法比其他三种算法在单峰函数和多峰函数上搜索到的最优解更加理想; PSO_GWO算法比IGWO算法(the improved grey wolf optimization algorithm)在计算时间复杂度方面效果较好;同时,随着种群规模增大,PSO_GWO算法收敛值逐渐接近理想值.因此,本文提出的PSO_GWO算法能更快搜索到全局最优解,且鲁棒性更好.