針對人工蜂群算法存在的收斂速度慢,易陷入局部最優(yōu)等問題,提出一種結(jié)合遺傳算法的交叉算子,并在算法后期引入高斯變異和混沌擾動的改進人工蜂群算法。為驗證改進算法的性能和有效性,用典型測試函數(shù)進行對比測試,并將改進算法應用于非線性傳遞函數(shù)模型的參數(shù)辨識中。實驗結(jié)果表明,改進的算法收斂速度快,收斂精度高,辨識效果好。

【文章頁數(shù)】：3 頁

【文章目錄】：
1 人工蜂群算法原理
2 基于交叉、變異和混沌擾動的全局人工蜂群算法（CGC-
    2.1 交叉操作
    2.2 高斯變異和混沌擾動
        2.2.1 高斯變異
        2.2.2 混沌搜索
3 實驗仿真與分析
    3.1 經(jīng)典函數(shù)的數(shù)值優(yōu)化實驗與分析
    3.2 非線性系統(tǒng)模型辨識
4 結(jié)束語



本文編號：3783412