基于Kent映射的混合混沌优化算法

针对混沌优化算法易陷入局部最优、收敛慢和精度低的缺点,提出一种改进的变尺度混合混沌优化算法。为保证算法的全局收敛性,采用具有更好遍历性的Kent混沌映射代替传统的Logistic混沌映射;为提高收敛速度和解的精度,引入新的变尺度因子,在搜索最优解的末期使用Nelder‐Mead单纯形法。通过数值实验对相关的4种算法进行比较,比较结果表明,该算法可以保证解的全局最优性、提高算法的收敛速度并提高获得的最优解精度。     

混沌映射与t-分布变异策略改进的海鸥优化算法

针对海鸥优化算法(SOA)求解精度较低、迭代后期收敛速度慢、易陷入早熟收敛的缺点,提出一种基于混沌映射和t-分布变异改进的海鸥优化算法(CtSOA),采用tent映射策略使初始海鸥种群均匀分布在搜索空间中,采用t-分布变异策略平衡算法的探索和开发能力,综合两种改进策略提高了算法的全局搜索精度和跳出局部极值的能力。在14个测试函数上分别与SOA、其他五种元启发式算法、单一策略改进的SOA以及其他学者改进的SOA进行对比,实验结果表明,综合两种改进策略的CtSOA具有更优的收敛精度和更快的收敛速度。     

基于混沌映射的图像加密算法

目前大多数图像加密方法都只是针对方形图像的加密,为了解决这一局限性提出了一种同时适用于方形和矩形图像的加密算法。将基于图像拉伸和折叠获得的新二维映射用于图像位置置乱,将含有混沌映射的扩散函数用来改变原图各像素点的灰度值,从而得到位置置乱和灰度置乱相结合的加密算法。实验仿真结果表明该算法能够很好地实现对任意大小和形状图像的加密,且加密效果令人满意。算法具有密钥空间大、密钥敏感性强以及能够抵御统计和已知明文攻击等优点。     

Optimum design of steel frames using harmony search algorithm

In this article, harmony search algorithm was developed for optimum design of steel frames. Harmony search is a meta-heuristic search method that has been developed recently. It bases on the analogy between the performance process of natural music and searching for solutions to optimization problems. The objective of the design algorithm is to obtain minimum weight frames by selecting suitable sections from a standard set of steel sections such as American Institute of Steel Construction (AISC) wide-flange (W) shapes. Strength constraints of AISC load and resistance factor design specification and displacement constraints were imposed on frames. The effectiveness and robustness of harmony search algorithm, in comparison with genetic algorithm and ant colony optimization-based methods, were verified using three steel frames. The comparisons showed that the harmony search algorithm yielded lighter designs.     

基于Cat混沌与高斯变异的改进灰狼优化算法

针对基本灰狼优化算法在求解复杂问题时同样存在依赖初始种群、过早收敛、易陷入局部最优等缺点,提出一种改进的灰狼优化算法应用于求解函数优化问题中。该算法首先利用混沌Cat映射产生灰狼种群的初始位置,为算法全局搜索过程的种群多样性奠定基础;同时引入粒子群算法中的个体记忆功能以便增强算法的局部搜索能力和加快其收敛速度;最后采用高斯变异扰动和优胜劣汰选择规则对当前最优解进行变异操作以避免算法陷入局部最优。对13个基准测试函数进行仿真实验,结果表明,与基本GWO算法、PSO算法、GA算法以及ACO算法相比,该算法具有更好的求解精度和更快的收敛速度。     

基于多子群萤火虫算法的数据库查询优化

查询优化是提高数据库性能的关键技术,针对数据库查询优化效率低的难题,提出一种多子群萤火虫算法的数据库查询优化方法（MG-FA）。首先将数据库查询计划左深树看作一个萤火虫,然后将萤火虫群分为多个子群,各子群最优萤火虫通过信息交流找到数据库查询最优计划,最后进行数据库查询优化实例分析。结果表明,MG-FA是解决数据库查询优化的有效途径,能够获得理想的数据库查询计划,具有实际意义。     

基于改进混沌映射的图像加密算法

为保证图像传输过程中的安全性,针对传统混沌映射加密算法存在的缺陷,提出一个基于改进混沌映射的图像加密算法。采用雅克比椭圆映射对初始密钥进行迭代,产生新的密钥;采用位置集合置乱方法对该密钥进行处理,得到一个位置集合,利用该位置集合对明文图像进行加密,得到密文图像;采用仿真实验测试算法的性能。仿真结果表明,该算法可以获得较好图像加密效果,具有安全性高、密钥空间大等优点。     

基于分段Logistic混沌映射的零水印算法

为了克服常规的数字水印算法在嵌入水印信息时,造成图像一定程度的失真,提出了一种基于分段logistic混沌映射的零水印算法.在不对图像原始数据作任何修改的基础上,利用混沌算法对初始值极其敏感的特性来生成混沌序列,利用混沌序列来确定所选取的图像小波变换第三级细节部分小波系数的位置,提取相应位置上小波系数的特征生成图像的水印.实验结果表明,该算法针对压缩、噪声攻击、剪切攻击等具有较强的鲁棒性.     

基于多涡卷混沌映射的彩色图像加密算法

针对彩色图像加密问题,构造了一种多涡卷混沌映射系统,提出了基于该混沌映射系统的图像加密算法,实验结果表明:该算法具有较好的密钥敏感性、很大的密钥空间和较好的扩散和混淆能力,可以有效地抵抗统计攻击和穷举攻击,具有很好的安全性。     

基于混沌映射的自适应图像加密算法

为了提高图像加密算法的鲁棒性,提出了一种新的自适应图像加密算法。首先,把任意大小的灰度或彩色图像分成2×2子块;然后,用左上角子块的像素灰度值和Chebyshev混沌映射构造与右上角子块等大的矩阵,用该矩阵对右上角子块进行像素灰度值替换;最后,按顺时针对每个子块进行加密,直到左上角子块加密完毕。该算法不依赖于图像的大小,而且适用于灰度图像和彩色图像,因而有很强的鲁棒性。同时灰度值扩散机制的引入使得该算法具有良好的扩散性和扰乱性。     

彩色图像的混沌加密算法

提出了一种新的基于Lorenz混沌系统的彩色图像加密算法。对Lorenz系统输出的实值混沌序列进行改进,使之近似均匀分布,得到更适合图像加密的伪随机序列。利用改进后的序列生成置乱和变换矩阵,按规则分块对彩色图像三基色分量进行置乱和按位异或等加密运算。仿真实验和安全性分析的结果表明,该算法密钥空间大,具有较好的加密效果和加密效率,且具有较好的抗干扰性。     

基于混沌映射的改进奇偶量化水印算法

提出了一种基于混沌映射的改进奇偶量化水印算法。算法首先使用混沌序列对待嵌入水印信号进行混沌调制,再经过散列处理的序列定位嵌入的图像块位置及小波系数坐标,运用奇偶量化法嵌入水印信号。在充分考虑了人类视觉系统掩蔽特性的基础上,根据图像本身性质调节量化步长的大小,从而保证了算法的自适应性。而且,考虑到离散小波变换的特性,嵌入水印的位置仅在图像的中频子带。实验结果证明,算法具有更高的不可见性和鲁棒性,可以抵抗较高的压缩攻击。     

基于Tent映射的混沌优化算法

针对目前混沌优化算法寻优速度慢的问题,论证了Tent映射的优越性,并结合模式搜索法,构造了一种搜索速度较快的混合优化算法．该算法能够搜索全局最优解,并具有较快的搜索速度．通过算例验证了该方法的可行性和Tent映射的应用前景。     

基于改进混沌优化的多目标遗传算法

针对多目标遗传算法存在的缺陷,提出了基于改进混沌优化的多目标遗传算法．引入基于改Tent映射的自适应变尺度混沌优化方法细化搜索空间和高效寻优,结合非支配排序的群体分级机制和精英保留等多目标优化策略,保持种群多样性的同时保证了进化向Pareto优解集的方向进行．多目标测试函数的数值仿真和电力系统无功优化的算例分析表明了该算法的有效性和可行性．     

基于混沌搜索策略的鲸鱼优化算法

针对鲸鱼优化算法存在探索和开发能力难以协调、易陷入局部最优的不足,提出一种基于混沌搜索策略的鲸鱼优化算法(CWOA).首先,采用混沌反向学习策略产生初始种群,为全局搜索多样性奠定基础;其次,设计收敛因子和惯性权重的非线性混沌扰动协同更新策略以平衡全局探索和局部开发能力;最后,将种群进化更新与最优个体的混沌搜索机制相结合,以减小算法陷入局部最优的概率.对10个基准测试函数和6个复合测试函数进行优化,实验结果表明,CWOA在收敛速度、收敛精度、鲁棒性方面均较对比算法有较大提升.     

飞蛾纵横交叉混沌捕焰优化算法

针对基本飞蛾捕焰优化（MFO）算法收敛速度慢和易陷入局部最优的缺陷,提出一种飞蛾纵横交叉混沌捕焰（CCMFO）算法。为飞蛾捕焰引入纵横交叉机制和混沌算子,通过横向全方位交叉寻优减少搜索盲点,纵向维交叉开发和混沌映射增强跳出局部最优的能力,火焰信息在种群中纵横交叉呈链式反应传播,加快收敛速度和避免算法早熟。通过仿真对比实验,证明了该算法具有较好的收敛速度、求解精度和稳定性。     

基于竞争-协作式信息交互的并行混沌优化算法研究

针对混沌优化对初始值敏感、搜索精确解效率低等不足,研究一种基于竞争一协作式信息交互的并行混沌优化（ICPCO）算法．ICPCO算法采取并行混沌迭代机制,在每一次迭代搜索之后．根据并行优化解分布状况不同,分别采取竞争或协作式信息交互再次寻优．描述ICPCO算法思想和实现步骤,分析其收敛性和优化性能．仿真实验表明,ICPCO算法不仅具有全局搜索能力,而且以信息交互方式提高了优化效率和搜索精度,算法收敛,稳定性增强．