基于改進(jìn)人工蜂群算法的非線性系統(tǒng)參數(shù)辨識(shí)
發(fā)布時(shí)間:2023-04-05 12:27
針對(duì)人工蜂群算法存在的收斂速度慢,易陷入局部最優(yōu)等問(wèn)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(dòng)的改進(jìn)人工蜂群算法。為驗(yàn)證改進(jìn)算法的性能和有效性,用典型測(cè)試函數(shù)進(jìn)行對(duì)比測(cè)試,并將改進(jìn)算法應(yīng)用于非線性傳遞函數(shù)模型的參數(shù)辨識(shí)中。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的算法收斂速度快,收斂精度高,辨識(shí)效果好。
【文章頁(yè)數(shù)】:3 頁(yè)
【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(dòng)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(dòng)
2.2.1 高斯變異
2.2.2 混沌搜索
3 實(shí)驗(yàn)仿真與分析
3.1 經(jīng)典函數(shù)的數(shù)值優(yōu)化實(shí)驗(yàn)與分析
3.2 非線性系統(tǒng)模型辨識(shí)
4 結(jié)束語(yǔ)
本文編號(hào):3783412
【文章頁(yè)數(shù)】:3 頁(yè)
【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(dòng)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(dòng)
2.2.1 高斯變異
2.2.2 混沌搜索
3 實(shí)驗(yàn)仿真與分析
3.1 經(jīng)典函數(shù)的數(shù)值優(yōu)化實(shí)驗(yàn)與分析
3.2 非線性系統(tǒng)模型辨識(shí)
4 結(jié)束語(yǔ)
本文編號(hào):3783412
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3783412.html
最近更新
教材專著