基于混沌映射的粒子群優(yōu)化算法改進研究.pdf

1、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注。
　　 混沌廣泛存在于自然界中，是一種確定性非線性系統(tǒng)的隨機運動?；煦缋碚撟詮谋惶岢鲆詠?，已成功應用于很多學科，在問題優(yōu)化，控制系統(tǒng)，通信保密等應用領域取得了很多成果。
　　 基本PSO算法在求解復

2、雜函數(shù)優(yōu)化問題時存在不足，如易陷入局部最優(yōu)，進化后期種群粒子多樣性缺失，算法收斂速度較慢，解的精度較低等。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粒子群優(yōu)化算法：
　　 一、提出了基于受控混沌映射的簡化PSO算法。該算法采用不含速度項的簡化PSO算法結構，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

3、權重中，對進化過程中停滯的步數(shù)大于設定值的個體極值和全局極值進行變異操作。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捕食-被捕食PSO算法。該算法對捕食-被捕食PSO算法結構進行了改進，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重中，并在算法的進化過程中對當前最佳粒子按計算得到的概率加入高斯白噪聲。通過對基準函數(shù)的測