混沌免疫优化组合算法

利用混沌迭代的遍历性和内在随机性。提出一种混沌免疫优化组合算法．该算法综合了免疫进化算法和混沌优化算法各自的空间搜索优势,将混沌变量加载于免疫算法的变量群体．利用混沌搜索的特点对记忆库群体进行微小扰动,并逐步调整扰动幅度．实验结果表明,该算法能明显改善免疫进化算法的收敛性能,搜索效率也得到了显著提高．     

自适应变尺度混沌免疫优化算法及其应用

结合混沌优化算法与免疫算法的特点,提出了一种采用折叠次数无限的自映射X=sin(2/x)产生混沌变量的自适应变尺度混沌免疫优化算法.该算法通过自适应变尺度方法不断调整优化变量的搜索空间,同时采用最大循环次数作为控制指标,既保证了寻优的准确性,又保证了算法的快速性.应用该算法对3个测试函数进行优化计算得到了比较满意的结果.将此算法应用于移动Ad Hoc网络入侵检测时的仿真实验结果表明,自适应变尺度混沌免疫优化算法能有效地减少对训练样本的依赖,同时减少噪音数据对入侵检测系统性能的影响,适用于移动自组网络对于入侵检测系统高检测率、高抗噪能力和低计算延迟的要求.     

改进的自适应混沌差分进化算法

为了提高差分进化算法的寻优速度、克服启发式算法常见的早熟收敛问题, 提出一种基于帐篷映射(Tent)的自适应混沌嵌入式差分进化算法(CLSDE). 算法采用 Tent 映射生成的混沌序列来取代基本DE算法选择操作中的随机数, 充分利用了混沌运动的随机性、遍历性和规律性. 通过与混沌PSO算法与普通的DE算法比较, 测试函数仿真结果表明, 该算法具有良好的全局搜索能力, 寻优精度较高, 收敛速度快, 鲁棒性好.     

基于群体适应度方差的自适应混沌粒子群算法*

已有的混沌粒子群算法多使用Logistic混沌映射,但Logistic混沌映射产生的混沌序列不够均匀,影响了混沌粒子群算法的性能。提出在混沌粒子群算法中引入均匀性更好的An混沌映射,利用An混沌映射初始化粒子群的位置和速度,并通过适应度方差的变化来自适应控制部分粒子进行混沌更新,来改善混沌粒子群算法的性能。数值仿真的结果表明,改进算法的收敛性和全局搜索能力都有所提高,能有效避免早熟收敛。     

基于混沌优化技术的并行进化模型及性能分析

提出了基于混沌优化技术的并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙.宇宙内采用免疫量子进化算法、灾变算子,宇宙间采用基于学习机制的移民、基于混沌序列的信息交互,因此算法具有更好的种群多样性、更快的收敛速度和全局寻优能力.不仅从理论上分析了算法的性能,而且通过仿真实验验证了该算法的优越性.     

改进的混沌遗传算法

将遗传算法与混沌算法相结合,提出了一种新颖的基于猫映射的混沌遗传算法（CGA）,解释了猫映射的遍历性,分析了猫映射的混沌分布优越性。该算法利用猫映射的初值敏感性扩大搜索范围,利用猫映射的遍历性进行混沌变量的优化搜索,从而减少了数据冗余,保持了种群多样性,有效地解决了局部收敛问题。理论分析和数值仿真表明,该算法具有更好的收敛性能。     

基于Hénon映射的自适应克隆选择优化算法

免疫算法与遗传算法都存在的不成熟收敛问题。混沌优化方法是近年出现一种新的优化技术,通常使用Logistic或Tent映射产生混沌序列进行搜索,Logistic映射产生的混沌序列的概率密度函数切比雪夫型分布,当最优值落在[0,1]的中间位置时,这种分布特性会影响全局搜索能力和效率。而Tent映射也存在迭代易落入小周期循环的问题。针对免疫算法和混沌优化算法中存在的缺陷,该文用变尺度的搜索策略,提出了一种基于Hénon映射的自适应克隆选择的优化算法,数值仿真结果表明,该文提出的算法提高了局部搜索的能力及其计算效率,算法可行有效。     

基于Logistic映射与排序变换的图像加密算法

提出了一种新的基于混沌映射与排序变换的图像加密算法。混沌序列具有容易生成、对初始条件敏感以及具备白噪声的统计特性等优点。该算法利用混沌映射对初值的敏感性和伪随机性,通过对生成的混沌序列排序来得到图像置乱的地址变换码,由于排序的不规则性,因此新的混沌图像置乱算法具有较强的保密性能。通过对该算法的置乱性能分析并进行仿真实验,结果表明,新算法具有良好的图像加密性能。     

基于混沌搜索的微分进化算法

针对基本微分进化算法在后期收敛速度慢,搜索能力差等问题,利用混沌搜索的随机性、遍历性以及对初值的敏感性等特性,提出了一种混合混沌搜索的微分进化算法——混沌微分进化算法。该算法既保持了基本微分进化算法结构简单的特点,又能提高算法的收敛速度、计算精度以及全局寻优能力。数值仿真结果表明,该算法的性能优于基本微分进化算法。     

基于Logistic映射与排序变换的图像加密算法

提出了一种新的基于混沌映射与排序变换的图像加密算法。混沌序列具有容易生成、对初始条件敏感以及具备白噪声的统计特性等优点。该算法利用混沌映射对初值的敏感性和伪随机性，通过对生成的混沌序列排序来得到图像置乱的地址变换码，由于排序的不规则性，因此新的混沌图像置乱算法具有较强的保密性能。通过对该算法的置乱性能分析并进行仿真实验，结果表明，新算法具有良好的图像加密性能。     

一种新型Skew Tent映射的混沌混合优化算法

针对已有的混沌优化算法几乎都是利用Logistic映射作为混沌序列发生器,而该混沌序列的概率密度函数呈两头多、中间少的切比雪夫型的分布性质,不利于搜索的效率和能力,为此,首先构造一种新型混沌映射序列发生器—Skew Tent映射并结合迭代优化特点加以改进,然后分析了它的混沌特性．其次,将改进的混沌映射与Alopex启发算法相结合,充分发挥Alopex算法的快速搜索能力和混沌优化全局寻优的特性,提出一种混沌混合优化算法,提高了算法的收敛速度和有效搜索全局最优解．最后,仿真算例验证了该算法的有效性和Skew Tent混沌映射的应用前景．     

基于随机混沌序列的图像加密算法

混沌系统的参数敏感性、初值敏感性和以同一分布遍历各态的特性很好地对应了密码系统应具备的一些基本特性。本文提出了一种基于随机混沌序列的图像加密算法。在该算法的图像像素的空间置乱过程中,采用了离散的标准映射混沌系统。而在像素的扩散过程中,通过复合离散混沌系统隐藏了混沌序列产生时所经历的迭代次数。理论分析和仿真实验表明,本文提出的算法具有较高的安全性能,特别是在统计攻击、差分攻击和选择明文攻击能力方面具有很好的抗攻击性能。     

混沌蚁群组合优化算法实现盲信号检测

根据混沌映射的伪随机性、遍历性以及规律性等特点提出一种新的算法,基于混沌-蚁群组合优化盲检测算法,即在信息素初始化时采用混沌初始化,并且在信息素更新时加入混沌扰动。仿真实验分别采用了4种不同的混沌映射：经典的Logistic映射、两种阶数不同的切比雪夫映射和改进的H映射。仿真结果表明,提出的基于混沌蚁群组合优化盲检测算法（CACO）可以提高计算效率,表现出了优于文献算法的良好性能。     

Biogeography-based optimisation with chaos

The biogeography-based optimisation (BBO) algorithm is a novel evolutionary algorithm inspired by biogeography. Similarly, to other evolutionary algorithms, entrapment in local optima and slow convergence speed are two probable problems it encounters in solving challenging real problems. Due to the novelty of this algorithm, however, there is little in the literature regarding alleviating these two problems. Chaotic maps are one of the best methods to improve the performance of evolutionary algorithms in terms of both local optima avoidance and convergence speed. In this study, we utilise ten chaotic maps to enhance the performance of the BBO algorithm. The chaotic maps are employed to define selection, emigration, and mutation probabilities. The proposed chaotic BBO algorithms are benchmarked on ten test functions. The results demonstrate that the chaotic maps (especially Gauss/mouse map) are able to significantly boost the performance of BBO. In addition, the results show that the combination of chaotic selection and emigration operators results in the highest performance.     

一种基于双混沌映射的加密算法设计与应用*

提出了一种基于logistic和Henon的双混沌映射加密算法,通过级联一维混沌系统和二维混沌系统,利用复合迭代所产生的混沌序列对明文进行加密,开发了算法的模拟实验平台。实验结果表明,与传统DES和基于Lorenz的加密相比,该算法在加密强度和运算效率上达到了较好的均衡。     

前馈神经网络的混沌BP 混合学习算法

简要分析由Logistic映射产生的混沌数以及不同混沌序列之间的概率统计特性，为混沌全局性搜索提供了依据．将一种快速BP算法与混沌优化相结合，提出了混沌BP混合算法，由于混沌Logistic映射的遍历性、随机性，使得混合算法收敛速度快，且具有全局性，采用混合算法对XOR问题和非线性函数进行仿真，结果表明该算法明显优于标准BP算法和快速BP算法。     

Utilising the chaos-induced discrete self organising migrating algorithm to solve the lot-streaming flowshop scheduling problem with setup time

The Dissipative Lozi chaotic map is embedded in the discrete self organising migrating algorithm (DSOMA), as a pseudorandom generator. This novel chaotic based algorithm is applied to the constraint based lot-streaming flowshop scheduling problem. Two new and unique data sets generated using the Lozi and Delayed Logistic maps are used to compare the chaos embedded DSOMA and the generic DSOMA utilising the venerable Mersenne Twister. In total, 100 data sets were tested by these two algorithms, for the idling and the non-idling case. From the obtained results, the chaos variant algorithm is shown to significantly improve the performance of generic DSOMA.     

A new adaptive mutative scale chaos optimization algorithm and its application

Based on results of chaos characteristics comparing one-dimensional iterative chaotic self-map x = sin(2/x) with infinite collapses within the finite region[-1;1] to some representative iterative chaotic maps with finite collapses (e.g., Logistic map, Tent map, and Chebyshev map), a new adaptive mutative scale chaos optimization algorithm (AMSCOA) is proposed by using the chaos model x = in(2/x). In the optimization algorithm, in order to ensure its advantage of speed convergence and high precision in the seeking optimization process, some measures are taken: 1) the searching space of optimized variables is reduced continuously due to adaptive mutative scale method and the searching precision is enhanced accordingly; 2) the most circle time is regarded as its control guideline. The calculation examples about three testing functions reveal that the adaptive mutative scale chaos optimization algorithm has both high searching speed and precision.