模糊神经网络的混沌优化算法设计

提出了一种基于混沌变量的多层模糊神经网络优化算法设计.离线优化部分采用混沌算法,将混沌变量引入到模糊神经网络结构和参数的优化搜索中,使整个网络处于动态混沌状态,根据性能指标在动态模糊神经网络中寻找较优的网络结构和参数.在线优化部分采用梯度下降法,把混沌搜索后得到的参数全局次优值作为梯度下降搜索的初始值,进一步调整模糊神经网络的参数,实现混沌粗搜索和梯度下降细搜索相结合的优化目的,能较快地找到全局最优解.最后对二阶延迟系统进行仿真,结果表明混沌优化方法控制精度高、超调小、响应快和鲁棒性强.     

基于混沌搜索的二级倒立摆模糊控制器设计

利用混沌优化的模糊控制方法对二级倒立摆系统进行闭环控制。用混沌算法优化控制器的参数,首先将混沌变量引入到模糊控制器的参数域,并进行全局范围内直接寻优,当获得全局近似最优解后,再缩小寻优区间,根据性能指标,在次优解附近继续寻优,得到全局最优参数。控制结果说明该方法是有效可行的。     

区间分割共轭梯度混沌优化算法及其应用

本文提出一种区间分割共轭梯度混沌优化算法(CSCGCOA)。新算法首先在全局搜索阶段采用混沌优化算法寻找一个次优解,寻优过程使用区间分割策略。进而以次优解为初值,局部搜索采用共轭梯度算法获得全局最优解。通过针对不同测试函数的仿真,并对比另外两个算法,结果表明新算法对初值不敏感,能有效得到全局最优解,同时具有很高的寻优速度。本文还将新算法应用于解决电力系统经济负荷分配问题,结果表明新算法是一种有效的高速算法。     

混沌梯度组合优化算法

提出一种混沌梯度组合全局优化算法，并对该算法进行了收敛性分析．算法首先采用改进的变步长梯度法得到某个优化值，然后利用变尺度混沌搜索跳出局部极小，经过反复组合迭代，直至到达最优解．仿真结果表明，该算法能充分发挥梯度法寻优的快速性和混沌法寻优的全局搜索能力．     

一种模糊神经网络控制器参数的混沌优化设计

通过模糊控制与神经网络相串联的方式构成模糊神经网络系统，然后提出一种基于模拟退火策略的混沌优化算法，将该算法引入模糊神经网络参数域中进行优化，实现混沌粗搜索与细搜索相结合优化目的，体现出具有更强的模糊神经网络参数全局最优解的搜索能力。采用该控制器对一个非线性对象进行控制。仿真实验表明，该方法能有效地实现模糊神经网络控制器参数优化，控制具有无振荡、超调小、调节时间短等优点，算法结构简单，容易实现。     

一类非线性欠驱动系统的混沌优化LQ控制

提出了一种基于混沌优化线性二次最优控制器权矩阵参数的三级倒立摆控制方法;根据系统控制的目标,设计了一类适合多变量系统的优化性能指标函数;这类性能指标函数综合考虑三级倒立摆系统各个输出间的重要程度,以及动态特性和稳定性要求,结合文中的性能指标函数,首先利用混沌粗搜索得到控制器权矩阵参数的次优解,再在次优解的邻域内继续寻优,得到全局最优的权矩阵参数;利用这种方法得到的LQ控制器,有效地实现了对三级倒立摆的稳定控制。     

基于混沌优化算法的支持向量机参数选取方法

支持向量机（SVM）的参数取值决定了其学习性能和泛化能力．对此，将SVM参数的选取看作参数的组合优化，建立组合优化的目标函数，采用变尺度混沌优化算法来搜索最优目标函数值．混沌优化算法是一种全局搜索方法，在选取SVM参数时，不必考虑模型的复杂度和变量维数．仿真表明，混沌优化算法是选取SVM参数的有效方法，应用到函数逼近时具有优良的性能．     

一种新型混沌优化的模糊PID控制器设计

提出一种最优模糊PID控制器的设计．该方法将混沌因子引入到模糊PID控制器参数域的全局优化搜索方法中．在优化过程中不断缩小寻优区间以提高搜索效率，能较快搜索到全局最优解。最后．对延迟的三阶系统进行仿真．并与Ziegler-Nichols规则的PID控制相比较．控制结果说明该方法是有效可行的。     

混沌梯度耦合优化算法及仿真研究

提出一种基于自适应混沌梯度下降的单目标耦合优化算法 .它采用变步长梯度下降法得到某个局部优化值 ,通过规则来判断其为局部极小值 ,然后利用一个由小到大变化的自适应尺度混沌遍历算法来获得一个更优值来代替局部极小值以跳出局部极小状态 ,全局优化值可以通过这种反复迭代来获得 .仿真结果表明 ,该算法能充分发挥梯度法寻优的快速性和混沌法寻优的全局搜索能力 ,有效地跳出局部极小 ,并快速找到最优值     

PMSM调速系统CMAC网络PID并行优化控制

针对永磁同步电机调速系统存在多变量、非线性和强耦合的控制特点,提出了基于混沌优化策略与自适应CMAC网络PID并行控制相结合的控制方法,并将其应用于永磁同步电机调速系统的参数设计中.该方法首先通过混沌搜索,得到PID控制器参数的次优值,然后再利用变尺度的方法在次优值附近找出PID控制器参数的全局最优值.与传统CMAC网络PID并行控制以及单纯PID控制相比较的仿真结果表明.该方法可以更好地提高永磁同步电机调速系统的控制精度和响应速度.     

基于量子行为粒子群优化的软子空间聚类算法*

针对软子空间聚类算法搜寻聚类中心点容易陷入局部最优的缺点,提出在软子空间聚类框架下,结合量子行为粒子群优化(QPSO)和梯度下降法优化软子空间聚类目标函数的模糊聚类算法.根据QPSO全局寻优的特点,求解子空间中全局最优中心点,利用梯度下降法收敛速度快的特点,求解样本点的模糊权重和隶属度矩阵,最终获取样本点的最优聚类结果.在UCI数据集上的实验表明,文中算法可提高聚类精度和聚类结果的稳定性.     

基于混沌优化的二自由度PID控制仿真研究

混沌是存在于非线性系统中的一种较为普遍的现象，混沌优化方法是一种新兴的优化方法，利用混沌所特有的随机性、遍历性和规律性的特点实现全局优化搜索，避免了陷入局部极小。二自由度PID控制器它可以独立的整定两组PID参数，使目标值跟踪特性和干扰抑制特性两者同时达到最佳，将混沌优化应用于二自由度PID控制器参数的优化设计，对六个参数进行同时优化，对主蒸汽压力系统的仿真结果表明了二自由度PID控制器的优越性，以及混沌优化方法的有效性和实用性。     

基于改进变尺度混沌优化的自标定位置视觉伺服

提出了一种基于改进变尺度混沌优化算法 (Enhanced mutative scale chaos optimization algorithm, EMSCOA) 的机器人动态自标定位置视觉伺服算法, 算法在 Mendonca-Cipolla 和 G. Chesi 利用本质矩阵进行自标定的基础上进行了扩展. 首先依据3个奇异值的特性在线生成目标函数, 在进行动态自标定的同时, 完成视觉伺服. 算法抛弃了 G. Chesi 方法中对初值选取极为敏感的梯度下降法, 采用改进的变尺度混沌优化算法动态优化摄像机内参数. 把混沌变量映射到待寻优的5个内参数区间, 通过设置内外两层循环, 内循环进行混沌搜索, 外循环负责缩小内参数搜索区间, 避免了混沌优化在内参数区间的盲目重复搜索, 提高了搜索效率. 算法同时克服了 G. Chesi 方法迭代过程中要求选取初值时靠近摄像机内参数真值的限制, 并可以通过设置参数范围来精确逼近5个内参数. 另外, 算法不需要物体精确的三维模型, 只需要8个空间固定点坐标信息. 仿真结果表明, 该方法应用于基于位置的视觉伺服时运算速度快, 同时对内参数变化鲁棒性强, 实验结果证明了算法的有效性.     

混沌优化模糊控制器在铝电解控制中的应用

设计了基于CAN总线的预焙铝电解槽计算机控制系统的总体方案及基于混沌优化的电解质温度模糊控制器。将混沌优化算法引入模糊控制器,采用混沌粗搜索与细搜索相结合的优化方法,对量化因子、比例因子及控制规则进行优化。利用该控制器实现对预焙铝电解槽的温度控制。实验结果表明,该方法能有效地实现模糊器参数和控制规则的在线优化,控制具有鲁棒性好、适应性强、精度高等优点,算法结构简单,容易实现,控制性能优于普通的模糊控制器。     

多点随机搜索算法估计反应动力学参数

提出一种多点随机搜索算法，一方面它汲取随机搜索算法的优点以克服陷人局部最优点；另一方面它通过判断搜索过程目标函数变化趋势，从而能在响应曲面的下降方向上前进，加快寻优进程。与遗传算法相比较，多点随机搜索算法能以更快的速度找到全局最优解；与梯度下降算法相比较，它能以更高的概率找到全局最优解。本文将多点随机搜索算法应用于2-氯苯酚在超临界水中氧化反应动力学参数的估算，获得动力学模型对实验数据拟合的相对误差绝对值之和比文献报道降低了14．1％。     

新的混合模糊C-均值聚类算法

基于量子行为的粒子群算法(QPSO)是一种改进的粒子群优化算法.它使用的参数个数少,在解的收敛性和全局搜索能力上优于基本的粒子群算法(PSO).将QPSO算法与模糊C-均值(FCM)算法相结合提出一种新的混合模糊C-均值聚类算法(QPSO-FCM),新算法代替了FCM算法的基于梯度下降的迭代过程,在一定程度上克服了FCM算法易陷入局部极小的缺陷,降低了FCM算法的初值敏感度.实验结果表明,改进后的新算法与FCM算法和PSO与FCM结合算法相比,具有良好的收敛性,聚类效果也有较好的改善.