一種新的基于螞蟻混沌行為的群智能優(yōu)化算法及其應(yīng)用研究.pdf

1、本文從全新的角度分析了螞蟻外出捕食、在巢和食物源之間建立最短路徑的過程。我們通過構(gòu)造一個(gè)“巢—食物源—巢”之間的映射關(guān)系，將螞蟻的外出捕食過程和建立最短食物路徑過程統(tǒng)一起來進(jìn)行考慮。我們認(rèn)為螞蟻的外出捕食過程是一個(gè)混沌搜索的過程，最短食物路徑的建立過程則是由混沌搜索逐漸過渡到暫態(tài)混沌直到收斂到最短食物路徑的過程。也就是說，螞蟻處于一個(gè)在信息素和混沌共同作用下的自組織過程，一個(gè)類似于混沌退火的過程。在整個(gè)過程中螞蟻通過不斷的分泌信息素來傳

2、遞最好路徑信息，并通過信息素形成自組織。本文的這個(gè)思想完全不同于MarcoDorigo的關(guān)于蟻群通過概率選擇來建立最短路徑的思想。 受螞蟻外出捕食和建立巢和食物源之間建立最短路徑行為的啟發(fā)，基于混沌搜索機(jī)理、自組織理論和群理論，我們創(chuàng)造性地構(gòu)建了一個(gè)新的解決最優(yōu)化問題的數(shù)學(xué)模型。這個(gè)模型不但可以解釋螞蟻的混沌搜索行為(此時(shí)螞蟻并沒有被組織起來)，而且可以解釋群體建立最佳食物路徑的過程。它是一個(gè)完全不同于MarcoDorigo的蟻

3、群最優(yōu)化算法的全新的群智能優(yōu)化模型。這種模型可以用來表示一種新的在搜索空間中求解非線性函數(shù)的全局最優(yōu)解或者次優(yōu)解的啟發(fā)式搜索算法，一個(gè)新的基于混沌、自組織和群體協(xié)作的群智能優(yōu)化算法。 本文主要?jiǎng)?chuàng)造性地構(gòu)建了一個(gè)用來解決優(yōu)化問題的新型群智能優(yōu)化算法模型，即混沌蟻群優(yōu)化模型，詳細(xì)分析了這個(gè)模型的動(dòng)力學(xué)行為，并對(duì)它進(jìn)行了算法性能測(cè)試研究。為了進(jìn)一步測(cè)試算法的有效性、可行性以及算法應(yīng)用領(lǐng)域范圍，本文還開展了混沌蟻群優(yōu)化算法在參數(shù)辨識(shí)、模

4、糊系統(tǒng)設(shè)計(jì)、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和PID控制器參數(shù)整定等方面的應(yīng)用研究，并且取得了很好的效果，形成了一個(gè)新的關(guān)于群智能優(yōu)化的理論方案。 論文的主要研究?jī)?nèi)容如下： (1)經(jīng)過對(duì)混沌理論和群智能理論的深入探討，綜合了混沌優(yōu)化和群智能優(yōu)化的優(yōu)點(diǎn)，創(chuàng)造性地提出了一個(gè)新的現(xiàn)代啟發(fā)式智能優(yōu)化算法模型，即混沌蟻群優(yōu)化算法模型。系統(tǒng)地分析了混沌蟻群優(yōu)化算法模型的非線性動(dòng)力學(xué)行為，討論了螞蟻鄰居間的信息交換方式。為了檢驗(yàn)所給出新算法的性能，進(jìn)行了

5、大量的測(cè)試工作。首先用多模態(tài)函數(shù)進(jìn)行算法性能測(cè)試，并和免疫系統(tǒng)優(yōu)化算法進(jìn)行了比較；然后，采用標(biāo)準(zhǔn)的高維測(cè)試函數(shù)進(jìn)行了測(cè)試研究，并且在相同條件下與粒子群和凱爾曼群的算法性能測(cè)試的結(jié)果相比較；最后，利用有約束的測(cè)試函數(shù)進(jìn)行了測(cè)試。所有這些測(cè)試結(jié)果都表明混沌蟻群優(yōu)化算法可以很好地進(jìn)行優(yōu)化搜索。同時(shí)對(duì)混沌蟻群算法、其它混沌優(yōu)化算法、蟻群算法和粒子群算法進(jìn)行了對(duì)比分析。 (2)基于混沌蟻群算法具有的全局優(yōu)化搜索能力，提出了采用混沌螞蟻群算

6、法對(duì)動(dòng)力學(xué)系統(tǒng)進(jìn)行參數(shù)估計(jì)，給出了利用混沌蟻群算法進(jìn)行動(dòng)力學(xué)系統(tǒng)參數(shù)辨識(shí)的具體過程。并且在迭加測(cè)量噪聲的情況下，利用混沌蟻群算法辨識(shí)動(dòng)力學(xué)系統(tǒng)的未知參數(shù)，研究了代價(jià)函數(shù)、觀測(cè)序列的長(zhǎng)度與算法的搜索性能之間的關(guān)系，為了進(jìn)一步說明所給方法的有效性和可行性，對(duì)Logistic映射和Lorenz混沌系統(tǒng)也進(jìn)行了未知參數(shù)辨識(shí)研究，并且給出了相應(yīng)的參數(shù)辨識(shí)結(jié)果。 (3)從模糊系統(tǒng)的萬能逼近特性出發(fā)，通過設(shè)置合適的適值，模糊系統(tǒng)的設(shè)計(jì)問題轉(zhuǎn)化

7、為可采用混沌蟻群算法來處理的模糊系統(tǒng)參數(shù)優(yōu)化問題，從而我們提出了采用混沌蟻群算法設(shè)計(jì)模糊系統(tǒng)，給出了利用混沌蟻群算法設(shè)計(jì)模糊系統(tǒng)的具體步驟，并成功地應(yīng)用所設(shè)計(jì)的CAS-Fuzzy系統(tǒng)進(jìn)行了非線性系統(tǒng)辨識(shí)、時(shí)間序列預(yù)測(cè)和非線性自適應(yīng)控制。 (4)由于混沌螞蟻群算法具有較強(qiáng)的全局搜索能力，同時(shí)具有較高的精度、模型簡(jiǎn)單、計(jì)算復(fù)雜度低、不易陷入局部最優(yōu)解等優(yōu)點(diǎn)，本文提出了利用混沌蟻群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)的新方案，并將設(shè)計(jì)好的神經(jīng)網(wǎng)絡(luò)應(yīng)用于解

8、決函數(shù)逼近問題。結(jié)果表明，混沌螞蟻群算法設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)確實(shí)具有下述優(yōu)點(diǎn)：不易陷入局部最優(yōu)、具有較強(qiáng)的避免在局部區(qū)域搜索過程中的收斂停滯現(xiàn)象的能力、訓(xùn)練結(jié)果精度較高、在隨機(jī)擾動(dòng)或測(cè)量噪聲存在的情況下，仍然可以達(dá)到較好的訓(xùn)練效果。 (5)采用混沌螞蟻群算法對(duì)PID控制器的參數(shù)進(jìn)行整定，以誤差積分型性能指標(biāo)為目標(biāo)函數(shù)、以設(shè)計(jì)參數(shù)的取值范圍及最小增益相位裕度為約束條件建立了數(shù)學(xué)模型。最后給出兩個(gè)數(shù)值實(shí)例并進(jìn)行了對(duì)比分析，數(shù)值仿真結(jié)果表明