混沌遗传算法及其在函数优化中的应用

将混沌优化和遗传算法结合起来,提出了混沌遗传算法(CGA,Chaos Genetic Algorithm),并将其应用于函数优化问题的求解。通过在种群进化的不同阶段引入混沌优化操作,大大提升了遗传算法的整体性能。实验结果表明,与标准遗传算法(SGA)相比,该算法能更有效地求得全局最优解,具有更快的收敛速度。     

基于混沌微粒群优化算法的阈值图像分割

混沌微粒群优化算法利用了粒子群优化算法收敛速度快和混沌运动所具有的随机性、遍历性和初值敏感性,将混沌状态引入到优化变量中,把混沌的遍历范围映射到优化变量的取值范围.在算法执行过程中对优秀个体混沌扰动,有利于跳出局部极值点,搜索到全局最优解.分别用微粒群优化算法和混沌微粒群优化算法求解函数优化问题,对算法的性能进行检验,检验结果显示:混沌微粒群优化算法搜索全局最优解的成功率和收敛速度都要优于微粒群优化算法.将混沌微粒群优化算法与阈值法相结合,在算法初始化阶段对粒子位置混沌初始化;在算法运行期间对优秀个体进行混沌扰动避免落入局部最优,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明,混沌微粒群优化算法用于阈值寻优减少了搜索时间,提高了收敛率.     

改进暂态混沌神经网络在信道分配中的应用

研究信道分配优化问题,由于传统迭代过程中存在收敛率低,易于陷入局部最优解等缺点。为改善算法收敛速率和信道分配效果,采用改进的暂态混沌神经网络(MTCNN)。在混沌神经网络的动态特性中采用时变增益,在退火过程中采取分段的退火机制,使得混沌搜索阶段保持较长时间的混沌态,利于进行全局搜索,稳定收敛阶段能够迅速收敛于最优解,提高收敛率。仿真结果表明,改进后的算法能很好地解决信道分配问题。和暂态混沌神经网络及仅分段的暂态神经网络相比,最优解率得到很大的提高,网络收敛速度提高了12%以上。最后,给出了模型参数对网络性能影响的一些结论。     

变尺度混沌算法的BP网络优化*

采用变尺度混沌优化方法代替梯度下降法融入BP神经网络,在优化搜索过程中不断缩小搜索空间,克服了标准BP算法易陷入局部极小的缺点,能有效地寻找到BP神经网络权值的全局最优值。此外,进一步提出变尺度混沌优化与梯度下降法有机结合的算法,能有效缩短单一的变尺度混沌优化BP算法的训练时间。仿真结果表明,改进的BP神经网络具有实现简单、寻优性强和优化效率高等特点。     

一种混沌编码的粒子群优化算法及其应用

研究粒子群优化算法.传统的粒子群算法采用实数编码,收敛速度慢.为了提高收敛速度,提出了一种混沌编码的粒子群优化算法.混沌编码作为一种全新的数学编码方式,更能准确地表达编码对象的多样性,将混沌编码应用到粒子群优化算法中,使算法在初期的搜索区域更大,更快找到全局最优解.把混沌编码的粒子群算法与BP算法相结合用来优化神经网络.利用混沌编码的粒子群算法快速找到全局最优位置的邻域,然后再用BP算法进行局部寻优,收敛到全局最优位置.仿真结果证明混沌编码的粒子群神经网络比实数编码的粒子群神经网络分类收敛速度更快,验证了算法的有效性.     

基于混沌搜索的思维进化算法

针对思维进化算法中的产生初始种群的盲目随机性和冗余性以及现有搜索方式易陷入局部最优的问题,将混沌优化和思维进化算法结合,提出了一种基于混沌搜索的思维进化算法（Chaos Mind Evaluation Algorithm,CMEA）。该算法在进化的不同阶段引入混沌优化操作,利用混沌的遍历性提高算法的收敛速度,克服了早熟现象,同时利用思维进化算法的记忆特性和当代最优解指导混沌搜索,提高算法的搜索能力。仿真结果表明,与标准思维进化相比,该算法优化能力强,能有效地避免局部收敛,具有更快的收敛速度。     

一种速度不完全更新混沌粒子群优化算法

研究优化算法,针对粒子群优化算法在搜索过程中容易陷入局部最优,而无法搜索到全局最优值的早熟问题,将速度的不完全更新机制引入到混沌粒子群中,提出不完全更新混沌粒子群算法(IUCPSO)以解决此问题.将Logistic序列引入到粒子群中,并将种群分块.一部分粒子以光学原理中的反射定律更新速度以开发更广的可行域,另一部分,则以优势粒子加细搜索.数值仿真结果表明,IUCPSO在搜索成功率和对可行域的开发程度上要优于标准粒子群和混沌粒子群,能较好地解决快速收敛问题,是一种可行而有效的优化方法.     

一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上, 提出了一种新的遗传混沌优化组合方法. 该算法能克服混沌优化在大范围内失效的缺点, 并能提高遗传算法的局部搜索能力和搜索精度. 同时证明该算法能以概率 1收敛到全局最优值. 应用该方法对 6个测试函数进行优化计算得到了比较满意的结果.     

微弱GPS信号捕获算法的仿真研究

研究微弱全球定位系统(GPS)信号准确捕获问题.由于环境中存在各种干扰,造成准确性差.GPS信号捕获过程中多个参数需要优化,参数互相关联,要对GPS进行准确定位,必须获取最优参数.传统算法难以获得全局最优参数,导致微弱GPS信号捕获灵敏度低.为了提高微弱GPS信号捕获灵敏度,提出将混沌粒子群算法引入到PS信号捕获过程中参数优化问题求解,以获得全局最优参数.仿真结果表明,混沌粒子群算法提高了微弱GPS信号的捕获灵敏度和信噪比,能很好地解决微弱GPS信号的准确捕获问题.     

一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上,提出了一种新的遗传混沌优化组合方法.该算法能克服混沌优化在大范围内失效的缺点,并能提高遗传算法的局部搜索能力和搜索精度.同时证明该算法能以概率1收敛到全局最优值.应用该方法对6个测试函数进行优化计算得到了比较满意的结果.     

铜精炼阳极炉氧化过程铜液温度软测量模型及应用

基于铜精炼阳极炉氧化过程热工机理，建立了铜精炼阳极炉氧化过程铜液温度软测量模型，在铜液温度软测量的算法设计中采用数据预处理、黄金分割法搜索区间以及软测量模型参数校正等技术。实际应用结果表明，铜精炼阳极炉氧化过程铜液温度软测量可以反映氧化过程铜液温度的真实变化，有助于实现铜精炼阳极炉精炼过程铜液温度软控制以及提高铜精炼过程的生产效率和生产质量。     

先进控制技术在预焙铝电解过程控制中的应用

设计了预焙铝电解生产过程先进控制系统的总体结构,建立了基于神经网络的电解槽参数及阳极效应预测模型,设计了基于支持向量机的槽况解析与槽况诊断专家系统,提出了极距NN—PID控制策略、电解质温度基于混沌优化的模糊控制策略及氧化铝浓度的模糊专家控制策略;同时,针对有关参数的优化控制和产量质量能耗优化控制问题,提出了基于模糊专家控制技术的智能协调策略,以满足全局优化的控制目标;实验结果表明,系统能有效地实现预焙铝电解槽的优化控制,实现槽状态在线解析,并能达到优良的生产控制指标,为企业带来了巨大的经济效益和社会效益。     

非线性极大极小问题的混沌万有引力搜索算法求解*

针对非线性极大极小问题目标函数不可微的特点,提出了一种混沌万有引力搜索算法的求解方法。该算法采用基于万有引力定律的优化机制引导群体进行全局探索,并基于混沌运动的随机性、遍历性和规律性特点,利用混沌优化对当前最优位置进行精细搜索,有效抑制算法早熟收敛现象,提高优化性能。数值实验结果表明,该算法具有计算精度高、数值稳定性好等特点。     

基于混沌局部搜索的粒子群算法及其应用

为提高混沌优化搜索结果的精度,在以粒子群算法进行全局搜索的基础上,根据全局搜索结果利用混沌优化进行局部搜索,实现在全局范围上搜索最优值。分析局部混沌搜索方法,设计基于混沌局部搜索的粒子群算法的流程,利用混沌优化进行粒子群局部搜索以跳出局部最优搜索区域,避免陷入局部极小值和实现在全局范围上搜索目标函数的最优值。以RMSE误差作为搜索结果精度评价指标,通过Rosenbrock函数算例对基于混沌局部搜索的粒子群算法精度进行分析,并将该算法应用于停车场最优选址实际问题的决策。研究结果表明,该算法搜索结果相较于混沌优化算法搜索结果具有更高的精度,其数值更逼近理论最优值,验证了其提高搜索结果精度的有效性和在解决实际问题上的可行性。     

Predictive optimal control for thermo-mechanical pulping processes with multi-stage low consistency refining

In this paper, we present a nonlinear model based dynamic optimization approach for optimal control for thermo-mechanical pulping (TMP) processes. The method is based on nonlinear model predictive control (NMPC) technique with an economic objective function. In our previous work [1], an economically oriented NMPC (econNMPC) was presented for a two-stage TMP process with high consistency (HC) refiners. The two-stage TMP process was simulated up to the secondary refiner. In this study, we extend the previous study to multiple stages that include low consistency (LC) refining. Here we can exploit the complexity of interactions of multiple stage TMP for both performance and optimal operations. The first process is a conventional refining process with two stages of HC refining with a primary and a secondary refiner, followed by a latency chest and a third-stage LC refiner. The second TMP process has only a HC primary refiner, and the secondary stage HC refiner is replaced by multiple stages of LC refiners after the latency chest. Both TMP schemes are dynamically optimized against disturbances to produce the same target final pulp qualities while minimizing specific energy consumption of the processes. The simulation results show the potential economic benefits of the proposed method, through a reduction in total specific energy, about 24%, for the second TMP process.     

混合神经网络和混沌理论的城市用水量预测研究

对H市日用水量数据进行了混沌识别,结果表明其具备混沌特性,结合BP神经网络和混沌理论,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的城市用水量神经网络模型,实际数据验证了该方法对城市用水量预测的有效性。     

基于混沌理论的城市用水量预测研究

我国城市日用水量数据较多并与诸多因素息息相关,是一个典型的混沌系统.结合BP神经网络和混沌理论,利用重构相空间的嵌入维数,来确定BP网络的结构,建立基于混沌理论的城市用水量神经网络模型.利用该模型对H市用水量进行预测研究,给出较为详细的计算结果,实例证明该方法的正确性和科学性并有一定的理论价值.     

六辊UC轧机的OGY混沌控制对策

利用ＯＧＹ控制方法,对文献［１］提出的六辊ＵＣ轧机轧过程中板形描述量具有混沌特性及迭代模型进行了混沌控制,解决了文献［１］提出的“反混沌机制”的设想,为从根本上提高六辊ＵＣ轧机的轧制精度提供了一种新的控制思想。     

改进的猴群算法在云计算资源分配中的研究

如何能够更好的解决云计算资源分配问题一直都是研究的热点, 引入猴群算法, 针对猴群算法中出现的局部收敛速度快, 容易造成局部最优值的缺点, 首先在猴群算法中引入混沌算法和反向学习来初始化猴群的初始位置, 其次, 通过猴群算法中的爬, 望, 跳三个过程的改进使得改算法收敛精度提高. 通过经典函数测试后, 本文算法相比其他智能算法的性能有了明显的改进. Cloudsim平台证明将本文算法运用到云计算资源分配中, 在任务完成时间, 资源消耗方面都有了很大的提高.     

重油输送系统基于流量-压力的建模与仿真

应用于阳极焙烧的重油输送的精确控制是一个典型交叉耦合的复杂控制问题，它对炭阳极焙烧质量起关键作用，输送过程中涉及到重油流量、压力和温度三个参量的变化。为了简化所建模型，假定重油输送过程中油温恒定，这样在建模过程中就剩下重油流量与压力之间的耦合关系。为了实现阳极焙烧重油输送的精确控制，通过对阳极焙烧重油输送工作机理的分析。以现场实际采集的数据为基础，采用管道流体传输的物理机理建立对象的模型的方法，提出了一种阳极焙烧萤油输送的基于流量-压力精确控制的数学模型，经仿真验证了该模型的有效性。