基于控制参数双峰分布的小种群差分进化算法

当前差分进化算法研究主要集中在常规种群上,对小种群差分进化（DE）算法的研究较少。小种群差分进化算法因种群规模小,存在多样性降低过快的问题。因此提出一种基于控制参数双峰分布的小种群差分进化算法（BiMDE）。该算法采用基于柯西双峰分布的参数调节机制处理变异缩放因子 F 和交叉概率因子 CR,并对缩放因子 F 进行矢量化设定。将 BiMDE 算法在函数集 CEC2014 上进行测试,并与 5 种最新的小种群差分进化算法进行比较。结果表明,BiMDE 算法在求解精度、收敛速度以及多样性保持上具有较大优势。     

基于t-分布的混沌蝙蝠算法及其在弹簧设计中的应用

蝙蝠算法(BA)作为一种新型的元启发算法,应用于解决复杂系统的优化问题。但由于算法后期收敛速度较慢,容易产生陷入局部最优的问题。采用Tent混沌映射的随机性和遍历性对种群进行初始化,可有效提升种群分布均匀度,进而通过动态递减的惯性权重更新速度公式,并在局部搜索过程中对非优蝙蝠个体进行自适应t-分布变异,在此基础上提出改进的蝙蝠算法(CTBA),有效规避了算法在搜索过程中的早熟收敛,提高了算法的探索和开发能力。模拟实验选择8个基准测试函数,与其他算法进行对比并且应用于弹簧设计问题,结果表明CTBA算法的性能更优。     

多目标进化算法在非线性方程组中的应用

将非线性方程组问题转化为多目标函数优化问题,利用NSGA-Ⅱ的非支配集的构造方案和基于拥挤距离排序方法产生子代种群,依适应度排序选择子代个体进行下一代优化.本文将NSGA-Ⅱ中遗传算法GA替换为进化策略ES,通过非支配集的调整与拥挤距离重新排序可以进一步提升收敛速度,同时避免种群的早熟,保证初始种群个体的优良性能得以继承.仿真实验表明,本文算法可以进一步提高非线性方程组解的精确性和求解效率,从另一个角度为非线性方程求解提供了一中新的途径.     

基于混沌神经网络异步加密解密算法

本文首先介绍了混沌理论的有关知识,之后推导利用Chebyshev正交多项式构造神经网络的详细算法,在此基础上结合混沌映射Henon Map构造了Chebyshev混沌神经网络,最后,根据加密解密的基本思想编写了基于混沌控制系统的Chebyshev混沌神经网络异步加密与解密算法,仿真结果表明,本算法能实现Chebyshev混沌神经网络的有效收敛,能对混沌序列进行高效跟踪,而且对明文加密与解密的效果良好.     

一种基于Logistic混沌映射的骨干粒子群改进算法

针对骨干粒子群算法因受初始化位置分布不均影响,易陷入局部最优的问题,提出一种基于Logistic混沌映射的改进算法,改进算法通过采用Logistic混沌映射控制来保证粒子初始化位置在搜索空间内保持随机分布,从而有效提升算法的搜索能力.仿真实验表明:与经典骨干粒子群算法相比,改进算法搜索能力有所增强,问题求解精度有明显提升.     

一种改进的粒子群算法研究

为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。     

改进聚类算子的自适应多目标进化算法研究

对多个相互冲突的目标同时优化称作多目标优化问题,为解决多目标问题,多目标进化算法应运而生.在进化算法迭代过程中,算法使用恒定不变的交叉因子和变异因子,这显然不符合种群迭代进化特征,所以需要根据种群初始和种群后期解的收敛情况来定向调整种群进化方向.同时,在采用边界与交叉的聚合算法时,θ支配的聚类算法只参考了解到权重向量的...     

基于高斯变异的蚁狮算法及其在组合优化中的应用

针对蚁狮(ant lion optimizer,ALO)算法在寻优后期种群数量减少、精英蚁狮影响权重减小导致算法收敛速度较慢且易陷入局优的问题,提出基于高斯变异的蚁狮(Gaussian mutation based ALO,GALO)算法.首先引用Kent混沌对初始蚂蚁种群进行扰动,提高蚂蚁种群多样性作为蚁狮寻优的基础...     

基于距离度量的差分进化算法

针对差分进化算法求解函数优化问题存在过早收敛和不稳定等缺陷,提出一种基于距离度量的差分进化算法.该算法考虑各粒子的差异,利用欧式距离计算粒子与已知最优粒子的距离,然后根据差异自适应调整自身的交叉概率因子,同时增加柯西变异算子对部分个体进行变异操作,以提高种群多样性,增强算法跳出局部最优解的能力.用三种经典函数检验说明,新算法在收敛精度、速度上优于基本差分进化算法.     

一种基于混沌序列的DCT数字图像水印算法的研究

提出了一种基于混沌序列的DCT数字图像水印嵌入算法,利用Logistic混沌映射来置乱水印以提高数字水印的随机性,并对水印图像作调制加密处理以消除水印图像各像素的空间相关性,而且嵌入水印的DCT块并不连续地选取,而是用Logistic混沌序列选取。实验结果表明,该算法在抵抗噪声、JPEG有损压缩以及裁剪等方面均有较好的鲁棒性。     

带局部搜索的自适应动态差分进化算法

为了改进差分进化算法的全局搜索性和收敛速度慢的特点,文章提出了一种基于单纯形局部搜索的自适应动态差分进化算法。     

一种新型自适应遗传算法在多峰函数优化中的应用

为解决传统遗传算法在一维多峰函数优化中容易陷入局部极值、收敛概率低、稳定性不理想等问题,提出了一种新型的自适应遗传算法。结合自适应差分进化算法流程,提出了一种基于种群适应度变化程度而变化的非线性交叉算子和变异算子,使算法跳出局部极值,寻找到全局最优解,提升最优值迭代效率。函数测试实验表明,在一维多峰函数优化中,该算法在函数收敛概率、最优值迭代效率以及稳定性上比已有算法均有提高。     

混沌果蝇优化算法研究

针对基本果蝇优化算法寻优精度低和收敛速度慢的缺点,提出一种基于Sinusoidal混沌映射的果蝇优化算法.首先,在寻优过程中引入混沌优化参数更新果蝇群位置,优化全局搜索能力;其次,将其它4种混沌映射与FOA算法相结合,在7个基准测试函数上进行性能对比分析,得到性能最优的一种混沌果蝇优化算法SFOA.仿真结果表明,提出的...     

正则化局部多项式预测法在混沌映射中的应用

利用正则化的局部多项式预测法对logistic混沌映射时间序列进行预测,并分析了预测误差.结果显示正则化的局部多项式预测法对非线性时间序列具有良好的特性.     

基于鸡群算法的Tsallis熵多阈值图像分割

为了改善Tsallis熵在多阈值图像分割时存在计算量大、耗时长、实用性差的问题,提出基于鸡群算法的Tsallis熵多阈值图像分割方法。首先分析基于Tsallis熵的单阈值分割原理并将其推广到多阈值分割,同时推导出Tsallis熵的多阈值选取公式;其次用鸡群算法求解Tsallis熵函数的最优问题;最后,用穷举法、粒子群算法、差分进化算法及鸡群算法分别对4个典型图像进行多阈值分割,并将各算法的分割数据分别作比较。实验结果表明,鸡群算法能够快速准确地分割复杂图像,且分割效果优于穷举法、粒子群算法以及差分进化算法。     

一类差分方程组高阶导数的收敛性

为证明G.Ladas对一类非线性差分方程的解有一定周期性的猜测,对一类非线性差分方程组的扰动解在稳定点的高阶导数的收敛性进行了研究。文章将该非线性差分方程转化为非线性差分方程组,同时给出了非线性差分方程组稳定点的定义,并证明了该非线性差分方程组的扰动解在稳定点高阶导数的整体收敛性。     

基于改进粒子群算法的分数阶系统参数辨识（英文）

为了更好地辨识分数阶系统的参数,提出了一种基于Tent映射的改进粒子群算法(MPSO).采用8个经典测试函数对MPSO算法的性能进行了测试,并与自适应时变加速器算法(ACPSO)、改进的被动聚集粒子群算法(IPSO)以及遗传算法(GA)进行对比,验证了所提算法的有效性.在已知模型结构和未知模型结构的基础上,利用所提算法对2种典型分数阶模型进行参数辨识.参数辨识结果表明,应用位置信息的平均值有利于充分共享个体间的信息,从而能够加快全局搜索速度;Tent映射具有的均匀性和遍历性能够防止位置信息中极值的产生,避免算法陷入局部最优.MPSO算法收敛速度快、精度高,是一种有效且实用的方法.     

一种基于混沌的图像随机置乱加密算法

在分析混沌特性的基础上,设计一种基于Logistic混沌序列的图像像素点随机置乱加密算法,将混沌映射后的图像序列,再通过一组随机排序的序列进行置乱处理,最终得到加密图像。仿真实验结果表明,该算法效率高、安全性好,并具有一定抗攻击能力。     

协同进化多生境遗传算法

为了提高多生境遗传算法的优化效率,提出了一种基于协同进化的多生境遗传算法,其基本思想是：将种群分割为若干子种群,每个子种群采用合作型协同进化方法独立进化;个体评价采用多生境方法,具体作法为：在对个体的适应值进行共享调整的同时,在选择中采用确定性排挤方法,在替换中采用最相似个体适应度最差个体被替换策略,以维持种群的多样性。数值实验表明,上述算法在维持多生境遗传算法较强全局搜索能力的同时,可适当提高算法运行效率。     

Hénon混沌系统的自适应预测控制与同步

提出了一种Hénon混沌系统的自适应预测控制与同步快速算法。该方法以不确定非线性差分方程为预测模型,预测模型的参数采用递推最小二乘法在线辨识得到。该控制算法占用内存小,计算速度快,具有较强的跟踪给定信号和抑制系统参数摄动和随机噪声的能力。仿真结果验证了该方法的有效性。