針對混沌系統(tǒng)模型未知參數(shù)進行估計,提出了一種多機制混合的象群算法.對于象群算法收斂慢,精度低,難以跳出局部最優(yōu)的缺陷,采用混沌初始化能夠增加群體的多樣性,避免陷入局部極值;Z型變化的尺度因子和全局最優(yōu)解來增強其搜索能力,并采用自適應(yīng)反向?qū)W習增加算法進化群體的多樣性,提高局部搜索能力,以更高的精度逼近全局最優(yōu)個體.通過測試函數(shù)求解表明改進的算法在尋優(yōu)精度和穩(wěn)定性要優(yōu)于象群算法、正余弦算法、鯨魚算法、多向宇宙優(yōu)化算法.最后對兩個混沌系統(tǒng)進行參數(shù)估計,驗證了改進算法有較強的尋優(yōu)精度,速度和穩(wěn)定性. 

【文章來源】：微電子學與計算機. 2020,37(06)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

Lorenz系統(tǒng)的混沌行為

利用MCEHO算法,SCA算法,WOA算法,MVO算法對Lorenz系統(tǒng)進行參數(shù)辨識,參數(shù)變化范圍 a∈[ 5,15 ],b∈[ 25,35 ],c∈[ 0,5 ] ,各種算法參數(shù)的設(shè)置如上面測試函數(shù)尋優(yōu)一致.通過四階龍格庫塔求解,步長為0.01,選取固定初值的前51個混沌變量作為適應(yīng)度函數(shù)中參數(shù)誤差的評指標.適應(yīng)度函數(shù)值變化曲線如圖2所示,縱坐標取以10為底的對數(shù).各種算法獨立運行30次的平均值和適應(yīng)度值的均值和標準差如下表2所示.

式中,非線性函數(shù)W(u)=-d+3eu2a=9b=30c=15d=1.2e=0.4,對于初始條件(0,0,0.0001,0,0)系統(tǒng)生成一個雙渦卷混沌吸引子,它在相平面上的投影如圖3所示:對憶阻元件的五階混沌電路模型進行參數(shù)估計,參數(shù)變化范圍 a∈[ 0,20 ],b∈[ 20,40 ], c∈[ 10,20 ], d∈[ 0,2 ],e∈[ 0,1 ] ,各種算法參數(shù)的設(shè)置如上面測試函數(shù)尋優(yōu)一致.通過四階龍格庫塔求解,步長為0.01,選取固定初值的前51個混沌變量作為適應(yīng)度函數(shù)中參數(shù)誤差的評價指標.適應(yīng)度函數(shù)值的變化曲線如圖4所示,縱坐標取以10為底的對數(shù).

【參考文獻】：
期刊論文
[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)
[2]帶有權(quán)重函數(shù)學習因子的粒子群算法[J]. 趙遠東,方正華.  計算機應(yīng)用. 2013(08)
[3]基于憶阻元件的五階混沌電路研究[J]. 包伯成,王其紅,許建平.  電路與系統(tǒng)學報. 2011(02)



本文編號：3340462