摘要：根据混沌理论关于进化与混沌的关系 ,设计一种采用混沌变异算子的进化算法 ,并提出“尺度收缩”的变异策略。对极小值函数优化问题的仿真实例表明 ,混沌变异是实数编码进化算法变异算子的有效实现 ;而采用“尺度收缩”策略的混沌变异算子明显改善了群体平均适应值 ,提高了算法性能 。

摘要：研究了各类生物物种及其生存环境的监测和保护物联网技术。针对已有的生物物种监测系统存在大规模监测数据冗余度高、汇聚融合粗糙、系统部署及维护较难等问题,提出了一种基于混沌变异粒子群的物联网物种监测技术。该技术根据监测区域内物种种类进行区分建立监测分簇,构建监测子系统,结合种群状态及其环境变化进行粒子变异操作,子系统间通过移动代理节点汇聚和转发数据,对全局数据实施混沌扰动以达到高精度数据挖掘和融合。此外,对于监测节点设计了高效和具有自判读功能模块,使系统具有自适应调节能力。仿真实验和数学分析表明,该技术对复杂物种监测实现了自适应维护和全局数据融合判读功能,有效改善了通信性能。

摘要：本文针对基于调度图规则的水库供水调度问题,建立了以水库供水保证率高且缺水量少为目标的优化调度模型。同时应用混沌变异减缓粒子群算法收敛速度,当算法进化停滞步数大于停滞步数阀值时,随机选取其中20%的粒子进行混沌变异操作,将原本聚集的粒子群"驱散开来",达到增加种群多样性、避免算法早熟收敛的目的,并将该算法引入到调度图的获取中。并以白石水库为例,得到了满足各项用水保证率的水库调度图,验证了该方法的可行性。

摘要：提出利用混沌变异的演化算法结合基于适应值大小顺序的选择算子 ,确定边坡最危险滑动面及其对应的安全系数的方法。混沌变异算子采用混沌变量进行解空间的遍历搜索 ,搜索过程按混沌的自身规律进行 ,具有很强的爬山能力。每个染色体被选取的概率只取决于它在群体中大小顺序 ,从而在一定程度上避免了经选择后染色体过于集中的情况。该方法收敛迅速 ,可有效克服局部收敛。对一个工程边坡实例进行了计算分析 ,并与理正边坡稳定分析软件的结果进行了比较 。

摘要：针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法在求解复杂问题时的早熟收敛现象,提出了多样性引导的改进量子粒子群优化(diversity-guided modified QPSO,DGMQPSO)算法。该算法对基于混合概率分布的QPSO算法进行了扩展,利用群体多样性信息来引导粒子的搜索,即当群体的多样性小于下限值时,对全局最优粒子的位置进行混沌变异,从而提高群体的多样性,增强算法跳出局部最优解的能力;另外,还分析了采用不同混沌随机序列变异对优化设计结果的影响。对50 kvar干式空心电抗器的优化设计表明,DGMQPSO算法具有较强的全局搜索能力、较好的稳定性和良好的优化效果。

摘要：针对模型预测控制算法(MPC)在处理多目标多约束条件时权重系数设计问题,该文提出一种基于混沌变异的动态重组多种群粒子群算法(CDMSPSO)实现权重系数自整定。通过分析模型预测转矩控制(MPTC)代价函数,以两相旋转坐标系下电流误差方均根为参考,将降低转矩脉动和减小电流总谐波畸变(THD)作为主要控制目标,设计粒子群算法中粒子的目标函数。采用CDMSPSO算法,将整个种群划分为多个小的子粒子群,并以一定重组周期将粒子进行随机重组,然后随机选择一个子粒子群,以其中任一粒子为基础迭代生成混沌序列,并将新的混沌序列替代选择的子粒子群,实现粒子的混沌变异。仿真和实验结果验证了该方法能较好地解决权重系数整定问题,且稳态性能优异。

摘要：提出趋磁性细菌多目标优化算法(MTBMO).该算法以趋磁性细菌优化算法(MBOA)中磁小体(MTSs)的生成机制为基础,设计适用于多目标优化的新型MTSs磁矩调节机制,确保群体的收敛性;同时采用基于混沌变异的替换方法取代MBOA中的磁小体替换机制来增强群体的多样性.通过标准函数测试和与现有多目标优化算法的比较表明,MTBMO对于求解多目标优化问题(MOPs)是可行且有效的.

摘要：针对永磁同步电机(PMSM)多参数辨识困难的问题,该文提出一种初始参数优化的混沌变异小生镜粒子群优化(NCOPSO)算法,并设计一个含有5个待辨识参数(定子绕组电阻,定子绕组交、直轴电感,永磁体磁链,转动惯量)的满秩数学方程组。该算法首先使用粒子群算法优化基本粒子群算法3个初始参数(惯性系数ω,学习因子c1、c2)。再对优化后的粒子群使用小生镜策略,以连续多次迭代适应值变化小的粒子为中心构造一个小生镜群体。最后使用混沌变异策略,在每次迭代过程中,以每个小生镜群体最优粒子为基础迭代生成一个混沌序列,将序列中最优粒子随机替换当前小生镜群体某一粒子,同时对小生镜群体最差粒子进行初始化。经电机仿真与实验验证了该算法的可行性与准确性。

摘要：为降低供应链成本,建立了三级供应链库存控制模型。按照库存与订单之差的控制率向上级订货,以供应链总成本为目标函数进行优化。针对初始萤火虫算法(FA)寻优过程中局部搜索能力弱、种群多样性差、搜索速度慢、容易陷入局部最优解等缺点,提出了一种易收敛的改进萤火虫算法(IFA)求解该模型。通过改进自适应光感系数加速种群的收敛速度;采用非线性莱维飞行步长,混沌变异判断策略兼顾全局搜索能力、局部收敛速度和种群多样性等。测试函数表明,IFA在全局搜索最优解和收敛速度方面都有了改进,成本降低了10.1%,为流程工业供应链节约了大量人力物力成本。

摘要：轧制规程优化是使轧制过程达到最佳状态的重要保证。综合考虑影响冷连轧轧制过程的多种因素,以等功率裕度和克服划痕为目标函数,建立了轧制规程多目标优化模型,并采用自适应混沌变异蛙跳算法对轧制规程进行优化设计。该算法是在基本蛙跳算法中,加入自适应混沌变异操作,具有较好的寻优精度和收敛速度。对某钢厂1 370mm冷连轧机轧制规程进行优化的结果表明,优化后的规程较好地实现了各机架等功率负荷分配,降低了划痕出现的概率和程度,大大地提高了产品质量,增加了经济效益。