由伽尔顿板实验到混沌

本通过对伽尔顿板实验的过程及结果与混沌运动的特征进行比较分析，说明伽尔顿板实验不仅是使人们认识多粒子无规则运动中粒子遵循统计规律的典型，还可以作为说明混沌运动特征的很好示例。     

麦克斯韦分子速率分布定律的推导

为了描述气体分子按速率分布情况,研究它的定量规律,从伽尔顿板实验出发,并利用概率论知识及分子速率分布满足的归一化条件,推出了平衡状态下的气体分子的麦克斯韦速率分布定律。     

新型混沌粒子群算法在TSP中的应用

针对旅行商问题,提出一种结合混沌优化和粒子群算法的新型混沌离散粒子群方法（CIPSO）。新算法根据此类组合优化问题解的固有地形特征,利用混沌运动的遍历性、随机性等特点进行求解,其基本思想是在求解过程中对粒子进行混沌扰动避免陷入局部最优,并引入群体间粒子的交叉作用来提高寻优效率。通过与遗传算法、蚁群算法和模拟退火算法等比较以及不同TSP问题的仿真实验发现,该方法是一种能进行有效优化的新方法。     

利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法。     

基于CPSO-LSSVM的陀螺仪故障趋势预测

为了提高最小二乘支持向量机(LSSVM)的学习性能和泛化能力,提出了混沌粒子群优化(CPSO)算法和交叉验证(CV)算法相结合的LSSVM参数寻优方法.CPSO算法将混沌搜索引入到粒子群算法中产生初始混沌粒子,并在粒子运动中不断加入混沌扰动,实现LSSVM参数的自动选取.利用交叉验证误差构造粒子的适应度函数,为参数选择提供评价标准.陀螺仪随机漂移是影响陀螺仪性能可靠性的主要因素,将经过参数寻优的LSSVM用于建立陀螺仪随机漂移的时间序列预测模型,预测值与实际值相差较小,可为陀螺仪的故障趋势预测提供依据.实验结果表明CPSO算法是选取LSSVM参数的有效方法,所建的回归模型具有较高的预测精度.     

一种基于混沌序列的粒子群优化算法

提出了一种基于混沌思想的粒子群优化算法,它利用粒子群优化算法收敛速度快和混沌运动遍历性的特点,对于陷入局部极小点的粒子,引入混沌序列重新初始化,从而使惰性粒子能够跳出束缚并快速搜寻到全局最优解。对几个经典函数的测试计算表明,其在收敛速度和精度上均优于标准的PSO算法。     

参数激励下简支板的分叉与混沌

本文讨论面内动载作用下简单支撑板非线性振动中的分叉和混沌现象。用动态系统理论讨论运动的稳定性。借助Ｍｅｌｎｉｋｏｖ方法估计出现混动运动的临界值。通过数值仿真证实了混沌运动的存在，并分析了混沌运动的特性。     

改进的协同粒子群优化算法

针对协同粒子群优化算法存在停滞,不能保证收敛到局部或全局最优值的问题,提出一种改进的协同粒子群优化算法(CCPSO-Hk),该算法将混沌理论引入协同粒子群算法(Chaos PSO)中,利用混沌运动的随机性、遍历性和规律性等改善了协同粒子群算法(Cooperate Particle Swarm Optimization)的性能.通过仿真验证算法的有效性.     

夹层矩形板大挠度问题的数值解

研究了夹层矩形板的非线性弯曲问题，在以5个位移分量表示的夹层板的运动方程的基础上，采用伽辽金法对四边简支和周边夹紧两种边界条件下的夹层矩形板的非线性问题进行了研究，并讨论了几何参数对板的变形的影响。     

基于混沌动力学模型的群体目标检测与分类

传统目标跟踪检测方法对多目标情况处理已较为困难,对群体目标监测和跟踪更是难以解决的问题。因此考虑在拉格朗日混沌动力学基础上实现对视频群体流的分割以及相关检测。把群体运动系统作为混沌动力学系统处理,而群体目标则作为流动的粒子群处理,粒子的流动以流图(flow map, FM)进行跟踪。在此基础上可以获得有限时间李亚普诺夫指数(finite time Lyapunov exponent, FTLE)场,形态学处理后,对群体流动区域进行提取并对结果分类。实验结果验证了该方法的有效性。