搜索结果: 1-15 共查到“管理学 混沌”相关记录32条 . 查询时间(0.109 秒)
针对时变输入/输出过程神经网络的训练问题，提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法。综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质，基于PNN训练目标函数，构建两种算法相混合的进化寻优机制，通过适应度评估和优化效率分析自适应调节混沌遗传与粒子群算法的切换，实现网络参数在可行解空间的全局优化求解。实验结果表明，该算法较大提高了PNN的训练效率。
基于自适应模糊逻辑系统的一类混沌系统同步控制
混沌系统 自适应模糊逻辑系统 驱动响应同步控制
2014/2/28
针对一类带有未知函数和干扰的混沌系统，进行了基于自适应模糊逻辑系统的自适应同步控制器的设计。首先基于模糊逼近原理，通过对该混沌系统中未知函数的输入输出进行采样，根据采样数据信息设计出具有参数自适应功能的Mamdani型模糊逻辑系统；然后利用该模糊逻辑系统给出一种带有参数自适应的驱动响应同步控制器设计方法；最后通过数值仿真算例表明了该方法的有效性。
一种基于混沌粒子群优化的OFDM系统资源分配算法
资源分配 效用函数 粒子群 混沌
2014/10/9
针对无线多用户正交频分复用(OFDM) 系统中功率分配问题, 提出一种基于效用函数最大化框架的资源分配算法. 在实际网络环境中, 此类最优化算法为非凸的, 利用经典最优化方法很难解决. 为此, 将智能优化中的粒子群方法应用到非凸优化算法设计中, 并针对粒子群优化容易陷入局部极值点的问题, 将Logistic 混沌搜索嵌入PSO 算法中, 提出混沌粒子群算法. 与同类算法相比, 所提出算法不仅有效解...
基于混沌和二阶对角递归网络的船舶横摇的直接多步预测方法
动量梯度学习算法 时间序列预测 混沌
2014/10/9
在对船舶横摇预测研究的基础上, 提出一种基于混沌和在隐层具有2 个反馈权值的二阶对角递归神经网络的直接多步预测模型; 给出了易于实现的动量梯度学习算法, 并对其收敛性进行了验证. 仿真结果表明, 直接多步预测不依赖于单步预测的结果, 对比单步预测模型能快速、准确地预测船舶横摇运动时间序列, 具有更好的预测精度及较长的预测时间.
基于最大互信息的混沌时间序列多步预测
互信息 预测结构 神经网络预测
2014/10/9
针对混沌时间序列的多步预测, 提出了基于最大互信息(MMI) 的建模方法. 首先建立时间延迟、嵌入维数和预测步长在相空间的最大信息量模型; 然后利用遗传算法求解并确定混沌时间序列的最佳预测结构; 最后对Mackey-Glass 系统和月太阳黑子的仿真实验表明, MMI可以确定更好的预测结构, 提高了混沌时间序列的预测精度.
基于SQP 局部搜索的混沌粒子群优化算法
序贯二次规划 混沌映射 非线性约束优化
2014/10/8
提出一种基于序贯二次规划(SQP) 法的混沌粒子群优化方法(CPSO-SQP). 将混沌PSO 作为全局搜索器, 并用SQP 加速局部搜索, 使得粒子能够在快速局部寻优的基础上对整个空间进行搜索, 既保证了算法的收敛性, 又大大增加了获得全局最优的几率. 仿真结果表明, 算法精度高、成功率大、全局收敛速度快, 明显优于现有算法. 将所提出的算法用于高密度聚乙烯(HDPE) 装置串级反应过程的乙烯单...
提出一种多目标强度Pareto 混沌差分进化算法(SPCDE). 首先利用Tent 映射进行种群的混沌初始化, 采用一种基于均匀排挤机制的截断排挤操作和混沌替换操作进行种群的环境选择操作; 然后基于一种变缩放因子的差分变异策略进行变异操作, 通过计算支配关系得到变异个体; 最后通过支配关系的计算和环境选择操作进行进化选择操作并得到子代个体. 以上操作不仅提高了算法的收敛性能, 而且保证了Paret...
混沌映射采样的粒子滤波器
粒子滤波 混沌 映射 非线性估计
2014/9/26
针对粒子滤波粒子多样性减弱引起的粒子枯竭问题, 提出一种新的基于混沌映射采样的粒子滤波改进算法(CMS-PF). 在重要性采样之后, 用类似载波的方法将离线生成的混沌序列映射到以较大权重粒子为中心的样本子空间, 从而生成一些映射粒子, 并结合当前时刻的预测粒子构建候选粒子集, 最终依据各粒子自身的权重实现优选. 仿真结果表明, 该算法能有效提高对非线性系统状态的估计精度．
遗传算法优化BP神经网络的短时交通流混沌预测
混沌理论 BP 神经网络 遗传算法
2014/9/25
为了提高BP 神经网络预测模型对混沌时间序列的预测准确性, 提出了一种基于遗传算法优化BP 神经网络的改进混沌时间序列预测方法. 利用遗传算法优化BP 神经网络的权值和阈值, 然后训练BP 神经网络预测模型以求得最优解, 并将该预测方法应用到几个典型混沌时间序列和实测短时交通流时间序列进行有效性验证. 仿真结果表明, 该方法对典型混沌时间序列和短时交通流具有较好的非线性拟合能力和更高的预测准确性.
回声状态网络LM算法及混沌时间序列预测
储备池 LM算法 时间序列预测
2014/9/25
回声状态网络(ESN) 学习算法中可能存在解的奇异问题, 在时间序列预测时易导致病态解问题, 且伴随着具有较大幅值的输出权值, 尤其是当训练样本个数小于输出权值维数时, ESN 的解必为奇异的. 鉴于此, 考虑使用LM(Levenberg Marquardt) 算法代替常用的线性回归方法, 自适应选择LM参数, 从而有效地控制输出权值的幅值,提高ESN 的预测性能. 通过Lorenz 混沌时间序列...
基于改进混沌优化的多目标遗传算法
多目标优化 遗传算法 混沌映射
2014/9/25
针对多目标遗传算法存在的缺陷, 提出了基于改进混沌优化的多目标遗传算法. 引入基于改进Tent 映射的自适应变尺度混沌优化方法细化搜索空间和高效寻优, 结合非支配排序的群体分级机制和精英保留等多目标优化策略, 保持种群多样性的同时保证了进化向Pareto 最优解集的方向进行. 多目标测试函数的数值仿真和电力系统无功优化的算例分析表明了该算法的有效性和可行性.
基于混沌变异的自适应双粒子群优化
混沌 自适应 极值扰动
2014/9/24
针对粒子群优化在解决高维优化问题时收敛性差、搜索效率不高的问题, 在对粒子群优化算法收敛性分析的基础上, 提出了混沌变异对极值进行扰动的方法, 以增强算法摆脱局部最优解的能力. 采用自适应惯性权重和局部邻域搜索保持较高的局部搜索性能, 并结合双粒子群协同进化的方法, 综合平衡优化算法的全局搜索和局部搜索能力. 通过对4 个典型测试函数进行的对比实验, 表明了所提出的算法能大大提高粒子群优化的搜索效...
分阶段二次变异的多目标混沌差分进化算法
混沌 分阶段二次变异 非支配解
2014/9/22
提出一种结合分阶段二次变异和混沌理论的改进差分进化(DE) 算法, 以解决多目标约束优化问题. 其核心思想是, 在DE进化前期采用基于非支配解的随机二次变异来提高算法的全局寻优能力, 进化后期采用基于非支配解的混沌二次变异来提高DE的局部寻优能力. 通过对典型测试问题的仿真实验验证了所提出的算法能在全局搜索性能与局部搜索性能之间维持较好平衡, 而且保持了DE 算法的简洁性能, 其收敛性、分布度和均...
具有学习能力的有限理性双寡头竞争分析与混沌控制
离散动力系统 Cournot模型 混沌控制
2014/9/22
利用动力系统的分支理论研究了具有学习能力的有限理性双寡头产量竞争模型, 讨论了该模型均衡点的存在性与稳定性, 并进行了数值仿真. 仿真结果表明, 企业产量调整速度的变化对于模型的稳定性有较明显的影响; 运用延迟反馈控制法可使陷入混沌的模型重新稳定在Nash 均衡状态, 混沌控制实施者可从混沌控制中获利.