改进飞鼠搜索算法在混沌与超混沌系统参数估计中的应用

发布时间：2021-06-13 05:36

　　混沌系统参数估计是混沌系统同步与控制的基础性问题,通过构造适应度函数可以将它抽象为连续多维优化问题,并通过启发式算法求解.飞鼠搜索算法（SSA）是一种新型启发式优化算法,已经被很多研究者验证是一种用于解决单模态、多模态和多维优化问题非常有效的算法.根据文献资料,研究者已经将飞鼠搜索算法应用到很多领域,但是将飞鼠搜索算法应用到混沌与超混沌系统参数估计问题的研究中还是首次.然而原始飞鼠搜索算法估计混沌与超混沌系统参数并不理想,表现出过早收敛、收敛过慢、收敛到错误方向等特点,使得寻优速度慢、精度低.本文借鉴进化思想不断提高飞鼠种群质量,并使用差分方法替代出现捕食者的情况下飞鼠位置的随机更新,使用Levy飞行并通过逻辑斯蒂混沌映射方法多样化滑行距离等,形成了原始飞鼠搜索算法的改进版本,命名为改进飞鼠搜索算法（ISSA）.使用改进飞鼠搜索算法估计五种经典的混沌与超混沌系统的参数,与原始飞鼠搜索算法（SSA）、粒子群算法（PSO）、花朵授粉算法（FPA）、差分进化算法（DE）进行比较,实验表明改进飞鼠搜索算法搜索最优解的速度更快、精度更高. 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

飞鼠滑行受力分析图

兰州大学硕士学位论文改进飞鼠搜索算法在混沌与超混沌系统参数估计中的应用2.2.5滑行距离的空气动力学图2.1:飞鼠滑行受力分析图当飞鼠在树与树之间进行滑行时,滑行机制可以用一个简单的模型描述[47],如图2.1.飞鼠滑行产生的空气浮力L和阻力D的合力R,其大小与松鼠的重力大小相等,方向相反,然后合力R为松鼠提供了恒定的速度沿着一条直线路径滑行.图2.2:飞鼠滑行模型示意图如图2.2所示,当一只飞鼠正以稳定的速度滑行时,空气浮力与阻力比值遵循以下式子:=1tan,(2.7)10

兰州大学硕士学位论文改进飞鼠搜索算法在混沌与超混沌系统参数估计中的应用L表示空气浮力,D表示空气阻力,是滑行角度.飞鼠翼膜所受到的空气浮力L与阻力D可以用下面两个式子表示:=(12)2,(2.8)=(12)2,(2.9)其中,=1.2043,表示空气密度.=5.251,表示飞鼠滑行速度.=1542,表示飞鼠与空气接触的表面积.滑行角度可以用下面式子得到:=arctan(),(2.10)滑行距离用下面这个式子计算:=(tan*),(2.11)=8是飞鼠完成滑行后下降的距离.飞鼠通过控制提升力和阻力的比例,改变滑行的距离.0.675≤≤1.5,是提升因子,取[0.675,1.5]之间随机数.=0.6,是阻力因子.是缩放因子,通过调节缩放因子可以均衡算法的局部搜索能力与全局搜索能力.文献[59]在基准函数上进行多次数值仿真实验,=18效果最好,此时0.5≤≤1.11.可以看出滑行距离是随机的,它本质上是一个均匀分布,均匀分布的上下界受参数影响,如图2.3和图2.4.图2.3:飞鼠滑行距离与提升因子关系图11

【参考文献】：
期刊论文
[1]Parameters identification of chaotic systems based on artificial bee colony algorithm combined with cuckoo search strategy[J]. DING ZhengHao,LU ZhongRong,LIU JiKe.  Science China（Technological Sciences）. 2018(03)



本文编号：3227104