資源描述：
《基于混沌映射粒子群優(yōu)化算法改進(jìn)的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于混沌映射的粒子群優(yōu)化算法改進(jìn)研究摘要粒子群優(yōu)化(PSO)算法，屬于群體智能(SI)優(yōu)化算法中一種較新的優(yōu)化算法，經(jīng)驗表明，該算法在許多優(yōu)化問題中表現(xiàn)優(yōu)良。PSO算法原理簡單且易實現(xiàn)，迭代運(yùn)算的參數(shù)少，能夠以較快的收斂速度收斂到全局最優(yōu)，自提出以來就受到廣泛關(guān)注?；煦鐝V泛存在于自然界中，是一種確定性非線性系統(tǒng)的隨機(jī)運(yùn)動。混沌理論自從被提出以來，已成功應(yīng)用于很多學(xué)科，在問題優(yōu)化，控制系統(tǒng)，通信保密等應(yīng)用領(lǐng)域取得了很多成果?；綪SO算法在求解復(fù)雜函數(shù)優(yōu)化問題時存在不足，如易陷入局部最優(yōu)，進(jìn)化后期種群粒子多樣性缺失，算法收斂速度較慢，解的精
2、度較低等。本文分析了PSO算法的基本原理和優(yōu)化流程，將混沌思想引入到PSo算法的搜索過程中，提出兩種基于混沌映射的改進(jìn)粒子群優(yōu)化算法：一、提出了基于受控混沌映射的簡ffr七PSO算法。該算法采用不含速度項的簡化PSO算法結(jié)構(gòu)，利用經(jīng)典混沌方程Logistic產(chǎn)生一組混沌變量，然后對該組變量加入控制輸入，將得到的受控混沌狀態(tài)映射到慣性權(quán)重中，對進(jìn)化過程中停滯的步數(shù)大于設(shè)定值的個體極值和全局極值進(jìn)行變異操作。通過實驗，驗證了該算法能顯著提高收斂速度和精度，并增強(qiáng)粒子跳出局部最優(yōu)的能力。二、提出基于受控混沌映射的改進(jìn)捕食．被捕食PSO算法。該算
3、法對捕食．被捕食PSO算法結(jié)構(gòu)進(jìn)行了改進(jìn)，采用線型遞減策略逐步減弱捕食粒子對被捕食粒子的排斥影響。將受控混沌變量引入到慣性權(quán)重中，并在算法的進(jìn)化過程中對當(dāng)前最佳粒子按計算得到的概率加入高斯白噪聲。通過對基準(zhǔn)函數(shù)的測試，驗證了該算法在搜索過程的初期階段做大量的探索工作，隨著時間推移，逐步加強(qiáng)了對最優(yōu)解的提煉能力，有效地提高了種群的多樣性和全局極值的精度。最后，對論文進(jìn)行了總結(jié)和展望。關(guān)鍵詞：粒子群優(yōu)化算法混沌變異函數(shù)優(yōu)化IISTUDYAND姍RoVEMENTSFORPARTICLESWARMOPTⅡ訌IZATIoNBASEDoNCONTRO
4、LLEDCHAOTICMAPPINGABSTRACTTheParticleSwarmOptimization(PSO)algorithmisakindofswarmintelligence(SI)optimizationalgorithm，whichhasbeenempiricallyshowntoperformwellonmanyoptimisationproblems．BecausetheprincipleofPSOalgorithmissimple，anditiseasytoimplement，fewerparameters，con
5、vergingtotheglobaloptimumwithfasterconvergencespeed，widerangeofapplications，etc·，SOPSOalgorithmhasreceivedattentionfromthemajorityofresearchscholarssinceitsintroduced．Chaosiswidelyexistsinnature，whichisakindofstochasticbehaviorsofdeterminatenonlinearsystem．Chaoshasbeenapp
6、liedinmanydisciplinessuccessfullysinceitsintroduced．Theresearchhasmadealotofachievementsinproblemoptimization，controlsystems，communicationssecurity，andotherapplicationfields．ThebasicPSOalgorithmhassomeproblemsinsolvingcomplexfunctionoptimization，suchas，fallinginlocaloptim
7、umeasily，losingofpopulationdiversityinlaterperiodofevolution，lowerprecision，ere．ThebasicprincipleandoptimizationprocessofPSOalgorithmhavebeenanalyzed，chaosisⅡIintroducedtothesearchprocessofPSOalgorithm，twoimprovedparticleswarmoptimizationbasedonchaoticmappingareproposedin
8、thispaperasfollows：(1)ThesimplifiedPSOalgorithmbasedoncontrolledchaoticmappingforinertiaweightis
