混沌搜索

摘要： 量子粒子群算法是一种应用广泛的智能种群优化算法,但是由于其后期种群多样性快速下降,导致在计算多峰优化问题时,容易陷入局部最优点。为了改进其搜索性能,本文通过改进Tent混沌映射并将其融入算法中,提出一种改进的量子粒子群算法。该算法通过对粒子分组设置,并进行不同策略的混沌搜索,充分利用混沌搜索的随机性和遍历性来提高种群的多样性,从而增强算法的全局搜索能力和提高算法收敛精度。为了评估改进算法,本文将改进算法与其他粒子群算法分别求解标准测试函数,仿真结果表明,改进算法具有更好的搜索性能。

摘要： 针对电能表故障频发,严重影响电网公司效益及用户日常生活的问题,准确对电能表故障类型进行诊断、及时修复故障电能表,对保证电力系统正常运行有十分重要的意义。提出一种基于改进人工蜂群算法优化支持向量机(CABC-SVM)参数的诊断方法;以Tent混沌搜索具有遍历性、随机性的优点增强蜂群算法的全局搜索能力;通过历史故障数据训练建立的CABC-SVM诊断模型。仿真结果验证CABC-SVM模型分类精度高达98.0%,相比于与传统ABC-SVM、PSO-SVM和GA-SVM有更少的收敛迭代次数。因此,CABC-SVM具有更高的分类精度和更少的运行时间,是一种高效的电能表故障诊断方法。

摘要： 针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境-行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。

摘要： 针对电动汽车控制系统对参数高度敏感而影响系统鲁棒性和控制精度的问题,提出了一种改进猴群算法(IMA)优化改进型自抗扰控制(ADRC)的永磁同步电机(PMSM)控制策略。首先,在原有Fal(e,α,δ)函数的基础上利用差值拟合法构造出新型最优控制函数,改善了ADRC在Fal(e,α,δ)函数拐点处存在输出信号抖动、抗扰动性较差的问题。其次,使用IMA对ADRC进行参数优化,降低了电机控制系统对内部参数的依赖,显著提升了电机的鲁棒性。最后通过仿真和实验证明了该方法的有效性。

摘要： 针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的不足,利用IFA优化RBF神经网络的连接权重和基函数宽度,以提升RBF神经网络的短时交通流预测精度.实验结果表明,与Elman、BP、RBF和FA-RBF模型相比,构建的短时交通流预测模型(IFA-RBF)具有更高的预测精度,预测值与实际值拟合度较高.

摘要： 针对传统多阈值图像分割方法效率低、分割精度差,提出基于混沌与对立学习正余弦算法COLSCA的多阈值图像分割方法。为提高正弦余弦算法的寻优精度和收敛速率,引入非线性对数曲线对正余弦振幅转换参数进行更新,平衡算法全局勘探与局部开发能力;利用混沌搜索对种群精英个体进行变异,增强局部开发能力;设计对立学习增强种群多样性,避免局部最优解。将Kapur熵作为适应度函数,利用COLSCA算法求解图像分割阈值。实验结果表明,该算法可以有效提升图像分割精度和分割效率。

摘要： 传统能源系统难以满足不断变化的发电结构及用户用能需求。包含冷、热、电等多能流的综合能源系统可以充分发挥能量耦合互补优势。为此,以系统经济性最小为优化目标,利用改进量子粒子群算法对综合能源系统模型进行求解,对综合能源系统中的燃气轮机、燃气锅炉、蓄热槽、吸收式制冷机和电制冷机等设备容量进行优化配置,并与其他搜索算法结果比较。最后,利用算例进行结果分析,算例结果表明改进后的量子粒子群算法能够同时兼顾系统经济性和环保型,使系统配置结果更加优化,为之后的能源供给系统的规划提供理论依据。

摘要： 种群多样性对微种群教与学优化算法的性能有极大影响.为进一步提高其性能,提出一种基于基因水平多样性的微种群教与学优化算法(MTLBO-GLD).该算法从基因水平上对种群多样性进行监测;并使用混沌搜索和余弦函数分阶段进行扰动以增加种群多样性.所提算法与八种元启发式算法(四种微种群算法和四种非微种群算法)在13个测试函数上进行性能比较.实验结果表明,MTLBO-GLD的整体性能要显著好于其他八种对比算法.

摘要： 针对粒子群算法用于无功优化问题求解时存在早熟收敛,易陷入局部最优的现象,提出了基于柯西变异的自适应混沌粒子群算法.该算法在引入自适应调整策略和对最佳粒子采用混沌搜索的基础上,对算法陷入早熟收敛状态时引入柯西变异操作,将适应度值排名位于前20％的最优粒子进行柯西扰动,以保证粒子群的多样性,有效地提高了算法后期跳出局部最优解的能力.以有功网损为目标函数,并入电压和无功出力约束的惩罚函数项,对IEEE 14和IEEE 30节点标准算例进行仿真计算,验证了该算法的正确性和可行性.

摘要： 目前已有多种智能算法应用到光伏电池模型的参数辨识中,然而大都存在易陷入局部最优、收敛速度慢等问题,基于改进狮群算法,提出了一种有效的光伏电池参数辨识方法.首先,通过引入混沌初始化、自适应参数和混沌搜索,弥补了狮群算法收敛速度慢、寻优精度不高等不足;将改进狮群算法应用到光伏电池的单二极管模型和双二极管模型的参数辨识中,与5种优化算法的结果进行对比,证明了该算法在光伏电池参数辨识中的有效性和优越性;最后,通过在不同辐照度和不同天气类型下进行辨识,探究了外部环境变化对模型参数的影响,进一步验证了该算法的有效性和实用性.

摘要： 针对混沌搜索具有提高局部搜索能力的特点,将混沌搜索引入求解多目标优化问题的差分演化算法中,给出了一种结合混沌搜索的多目标优化差分演化算法.该算法在每次差分演化迭代后根据个体在群体中的Pareto强度值,挑选群体中最优个体进行混沌局部搜索.此外,为了改善初始群体中解的多样性,该算法采用正交法初始化群体.通过对几个标准测试问题的数值实验,实验结果表明该算法能够寻找到逼近问题真实Pareto前沿的非劣解集,同时该非劣解集内的解的多样性分布较好.

摘要： 随着集成电路测试技术的不断发展,瞬态电流测试(IDDT Testing)作为传统电压测试和稳态电流测试方法的一个补充,越来越受到研究领域和工业界的关注.瞬态电流测试产生需要一次产生多个向量(两个或两个以上),测试产生算法比较复杂,耗时较多,因此研究高效的测试产生算法具有重要的意义.本文针对瞬态电流测试提出了一种测试产生算法.该算法将测试向量空间映射到混沌空间并采用混沌搜索来寻找一对符合要求的测试向量对.模拟实验结果表明将混沌搜索用于瞬态电流测试产生是可行的.

摘要： 本文对动态联盟合作伙伴选择的混沌搜索方法进行了研究。文章提出了基于混沌搜索方法解决这一多目标组合优化问题,给出了混沌变量向优化变量取值的映射设计和算法.最后通过仿真实验证明了该方法是简单高效的.

摘要： 混沌是非线性系统中的一种较为普遍的现象,混沌现象具有随机性、遍历性和规律性的特点.在优化设计领域中,混沌现象的遍历性特点可以作为搜索过程中避免陷入局部极小的一种优化机制.目前混沌已经成为一种新颖的全局优化技术,基于混沌搜索的优化方法的研究受到了人们的重视.通过改进混沌搜索方法本身或是结合模拟退火、遗传等算法,优化性能获得提高.本文在大量文献的基础上,对基于混沌搜索的优化方法及其研究进展进行了总结.

摘要： 认知无线系统中,频谱分配的关键是寻找最大化系统效益的最优解.为提高量子遗传算法的寻优能力和收敛速度,在量子遗传算法中采用混沌搜索方法初始化种群的染色体编码和动态调整量子旋转角度θ的更新策略,得到一种改进的量子遗传算法.将频谱分配模型中的分配矩阵与改进的量子遗传算法中的可行解相对应,分别以网络效益最大化和比例公平性为目标函数,仿真结果表明,该算法能更好的实现网络效益最大化和比例公平性.

摘要： 针对烧结过程这一复杂、多参数耦合的高度非线性系统,提出一种面向综合生产指标的智能集成优化控制算法。首先集成关联分析、主元分析、神经网络等多种智能化方法,建立基于关联分析与主元分析的综合生产指标神经网络预测模型；然后利用多目标优化技术,建立生产状态多目标满意优化模型,获得优化控制目标函数；最后将混沌搜索技术引入粒子群优化算法中,提出基于混沌搜索的多目标粒子群优化算法,对目标函数进行寻优,求取最优操作参数以指导烧结生产.实际运行结果表明,提出的智能集成优化控制算法较好的解决了关联耦合严重、时变时滞的复杂工业过程的优化控制问题,为流程工业生产过程的优化控制问题提供了一种有效的新思路。

摘要： 本文是在分析公益项目的主要特点的基础上,给出了基于模糊环境下的公益项目招标投标的决标模型与优化方法.用模糊数来描述专家对具有相同"标的"的不同竟标人的标书的主观评价以及多个评价因素的综合,用模糊整数规划来描述竞胜标确定问题,用启发式混沌搜索算法来求解竞胜标,并以应用实例来说明该模型是选择最有效率的公益项目承包商的理想方式.

摘要： 本文主要介绍一种用于求解全局优化问题的智能算法----猴群算法(MA)。该算法模拟自然界中猴群爬山的全过程设计了爬、望和跳三个过程来搜索连续函数优化问题的全局最优解。对11个测试函数的求解结果说明了该算法具有求解大规模、多峰优化问题的能力，且呈现运行速度快、求解精度高等特点。

摘要： 本文主要介绍一种用于求解全局优化问题的智能算法----猴群算法(MA)。该算法模拟自然界中猴群爬山的全过程设计了爬、望和跳三个过程来搜索连续函数优化问题的全局最优解。对11个测试函数的求解结果说明了该算法具有求解大规模、多峰优化问题的能力，且呈现运行速度快、求解精度高等特点。

摘要： 本文主要介绍一种用于求解全局优化问题的智能算法----猴群算法(MA)。该算法模拟自然界中猴群爬山的全过程设计了爬、望和跳三个过程来搜索连续函数优化问题的全局最优解。对11个测试函数的求解结果说明了该算法具有求解大规模、多峰优化问题的能力，且呈现运行速度快、求解精度高等特点。

摘要： 本发明公开了一种基于反向混沌布谷鸟搜索的自适应权重负载均衡算法，属于分布式计算领域。本发明包括以下步骤：S1：FCFS任务分配权重计算；S2，初始化种群个体；S3，对种群个体进行适应度评估；S4，根据反向学习策略对各维度的解进行评价更新；S5，更新种群，再次迭代；S6，输出最优任务分配权重。考虑集群请求任务分配的特性，建立任务分配权重模型。利用混沌变异算子映射到布谷鸟搜索种群的策略，处理搜索过程中每一阶段的最优解选择和劣解更新。通过反向学习的多样性因子对不同阶段中的鸟窝位置进行调整。通过改进后的算法使得寻找最优解的效率得到提高，从而有效提高了布谷鸟搜索的寻优效率并且更加适合于集群的负载均衡。

摘要： 本发明提供了一种基于混沌引力搜索迭代的pH中和过程维纳模型辨识方法，属于化工系统辨识领域。解决了pH中和过程非线性动态模型问题。其技术方案为：基于混沌引力搜索迭代的pH中和过程维纳模型辨识方法具体包括以下步骤：步骤1)构建出pH中和过程的维纳非线性系统模型，根据系统模型获得pH中和过程的辨识模型；步骤2)构建混沌引力搜索迭代算法的迭代辨识流程。本发明的有益效果为：本发明计算准确，辨识精度高，适用于pH中和反应维纳非线性系统的参数辨识。

摘要： 本发明公开了一种基于混沌反向学习和自适应螺旋搜索的改进麻雀搜索方法，包括：步骤1：初始化算法参数，并利用混沌反向学习策略初始化种群；步骤2：计算种群中每个个体的初始适应度值，并确定最优个体位置；步骤3：采用自适应螺旋搜索策略分别对种群中发现者和跟随者的位置进行更新；步骤4：对种群中预警个体的位置进行更新；步骤5：采用混沌反向学习策略对种群中的每个个体位置进行更新；步骤6：更新种群中每个个体的适应度值和最优个体位置，并保留部分优势个体；步骤7：若判断当前迭代次数达到最大迭代次数，则输出最优个体位置；否则，返回步骤3继续执行。该方法增强了种群多样性，避免了现有算法容易陷入局部最优的问题。

摘要： 本发明提供了一种气浮运动系统混沌自适应差分进化麻雀搜索参数辨识方法，属于气浮运动系统辨识技术领域。解决了辨识所建立模型的参数和时间延迟的技术问题。其技术方案为：包括以下步骤：步骤1)建立气浮运动系统的单输入单输出模型；步骤2)构建气浮运动系统混沌自适应差分进化麻雀搜索参数辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的气浮运动系统混沌自适应差分进化麻雀搜索参数辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对气浮运动系统时滞输入非线性闭环模型的建模和参数辨识。

摘要： 本发明涉及一种基于混沌麻雀搜索算法的短期电力负荷预测方法及装置，所述方法包括：S1：获取历史电力负荷数据，并根据历史电力负荷数据获取电力负荷值影响因素；S2：对历史电力负荷数据进行预处理；S3：构建初始短期电力负荷预测模型并进行训练，得到最优预测模型；S4：使用最优预测模型进行短期电力负荷预测，对输出数据进行反归一化，得到电力负荷预测结果。与现有技术相比，本发明具有预测精度高、效率高等优点。

摘要： 本发明提供了一种液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法，属于液压位置伺服系统辨识技术领域。解决了液压位置伺服系统进行分析和控制时给液压位置伺服系统建立的数学模型，辨识所建立模型的参数和时间延迟的技术问题。其技术方案为：包括以下步骤：步骤1)建立液压位置伺服系统的单输入单输出模型；步骤2)构建液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的液压位置伺服系统改进混沌变权麻雀搜索参数辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对液压位置伺服系统时滞反馈非线性模型的建模和参数辨识。

摘要： 本发明提供了一种基于混沌量子麻雀搜索算法的锂电池模型参数辨识方法，建立状态空间方程和量测方程，通过采集长时间静置的电池端电压标定开路电压与SOC关系曲线，然后进行HPPC工况实验，获得电池电压、电流数据；确定目标函数为量测电压值与模型估计电压值之间的误差平方和，使用混沌量子麻雀搜索算法进行参数辨识。本发明由于采用量子行为策略和混沌映射对基本麻雀搜索算法进行了改进，得到了混沌量子麻雀搜索算法，可以使群体搜索更加智能，并及时摆脱局部最优解，在高维的单峰和多峰测试函数上都表现出良好的收敛精度。将该方法应用于电池模型参数辨识，可以提升电池模型参数辨识的精度，有效提高电池模型的准确性。

摘要： 本发明属于量子计算技术领域，特别涉及一种基于混沌自适应的量子萤火虫搜索优化方法，将待求解问题解决方案的维数作为待求解问题维度，候选解决方案个数作为种群规模，并设定量子萤火虫参数，其中，该参数至少包含：用于评判每个候选解决方案优劣的目标函数、迭代终止条件及每个维度上解决方案允许取值范围及量子染色体所含量子比特个数；利用混沌映射生成的混沌序列并基于量子编码生成量子萤火虫初始种群，将量子萤火虫个体分布到整个搜索空间；并将邻域搜索和随机扰动分别作用于当前种群最优个体和其他个体更新中，通过循环迭代更新过程来输出最优个体值。本发明能够提升量子萤火虫算法搜索性能和稳定性，便于实际场景中的应用。

摘要： 本发明提出了一种自适应神经网络交通流预测的混沌搜索优化方法，包括以下步骤：S1.构建BP神经网络模型，初始化网络参数；S2.初始化麻雀算法各项参数；S3.加入Tent混沌映射初始化种群；S4.计算种群中麻雀适应度值；S5.根据适应度值对种群进行排序；S6.生产者位置更新；S7.跟随者位置更新；S8.危险时，麻雀位置更新；S9.先进行个体最优适应度值更新，再进行群体最优适应度值更新，进入步骤S10；S10.判断是否达到迭代次数，若未达到则返回至步骤S5；否则，输出最优适应度值和全局最优位置，进入步骤S11；S11.将最优适应度值和全局最优位置赋予BP神经网络模型，优化其权值和阈值，进行预测，完成CSSA‑BP模型的搭建。该方法预测精确度更高，迭代速度更快。

摘要： 本发明涉及黏菌算法技术领域，具体地说，涉及一种基于精英混沌搜索和非线性收敛z参数的改进黏菌算法，其包括以下步骤：一、建立黏菌算法的数学模型；二、采用精英混沌搜索策略ECSS来提高算法在精英个体附近的搜索能力；三、引入带有混沌扰动的非线性收敛因子，提高了算法在探索和开发之间的转换能力。本发明具有较佳地求解精度、收敛速度和鲁棒性。