利用反馈方法控制Lü系统中的混沌

利用经典反馈法实现了Lü系统的混沌控制,并基于Lyapunov直接法和Routh-Hurwitz判据讨论受控Lü系统的混沌轨道达到渐进稳定时的条件,并给出理论上的证明。数值模拟进一步验证了经典反馈控制方法均可成功将Lü系统混沌运动轨道镇定到不稳定平衡点或不稳定周期轨道,即极限环上。     

应用反向学习和差分进化的群搜索优化算法

针对标准群搜索优化算法在解决一些复杂优化问题时容易陷入局部最优且收敛速度较慢的问题,提出一种应用反向学习和差分进化的群搜索优化算法(Group Search Optimization with Opposition-based Learning and Diffe-rential Evolution,OBDGSO)。该算法利用一般动态反向学习机制产生反向种群,扩大算法的全局勘探范围;对种群中较优解个体实施差分进化的变异操作,实现在较优解附近的局部开采,以改善算法的求解精度和收敛速度。这两种策略在GSO算法中相互协同,以更好地平衡算法的全局搜索能力和局部开采能力。将OBDGSO算法和另外4种群智能算法在12个基准测试函数上进行实验,结果表明OBDGSO算法在求解精度和收敛速度上具有较显著的性能优势。