混沌系統(tǒng)的未知系統(tǒng)參數(shù)估計是實現(xiàn)混沌控制和同步的首要問題,通過構(gòu)造一個合理的適應(yīng)度函數(shù),可將其轉(zhuǎn)化為一個多維搜索空間的優(yōu)化問題.提出一種融合改進骨干粒子群算法與改進差分進化算法的混合群智能優(yōu)化方法來解決上述優(yōu)化問題.對骨干粒子群算法中的粒子位置更新機制以及差分進化算法中的變異操作、交叉操作、交叉概率因子的設(shè)計等進行改進,有效兼顧了種群的多樣性與算法的收斂性.在此基礎(chǔ)上,討論骨干粒子群優(yōu)化算法與差分進化的融合優(yōu)化策略,實現(xiàn)兩個算法的協(xié)同進化,進一步提高算法的綜合優(yōu)化性能.用6個基準測試函數(shù)以及Lorenz混沌系統(tǒng)為例進行仿真實驗,結(jié)果表明該方法具有全局尋優(yōu)能力強、收斂速度快、搜索精度高、穩(wěn)健性好等優(yōu)點.

【文章頁數(shù)】：10 頁

【文章目錄】：
0 引言
1 粒子群優(yōu)化與差分進化
    1.1 骨干PSO算法及改進
    1.2 差分進化及改進
    1.3 BBPSO與DE的融合
    1.4 算法步驟
2 混沌系統(tǒng)的參數(shù)估計
3 仿真實驗與結(jié)果分析
    3.1 基準函數(shù)測試
    3.2 混沌系統(tǒng)參數(shù)估計仿真
4 結(jié)論



本文編號：3906194