该文主要研究了混沌动力学在优化计算中的应用,主要内容涉及将混沌作为一种寻优机制应用于神经网络优化计算和遗传算法中的方法探讨和机理分析.首先,该文提出了一种加入非线性反馈项的神经网络模型,使网络动力学呈现混沌特性,然后通过引入一种退火机制,从而提出了具有暂态混沌特点的混沌退火方法.将该方法应用于TSP问题所得的结果和对网络动力学行为的分析都证明了该方法的有效性.另一方面,该文还设计了一种混沌映射,并用此混沌映射代替随机机制,构造了一种全新的混沌变异算子.通过将具有该混沌变异算子的遗传算法应用于多个典型的函数优化问题和TSP问题,很好地验证了该混沌变异算子优异的优化搜索能力.进一步,该文首次提出了将混沌映射的轨道点密度分布引入到混沌变异算子性能分析中的思想,仔细研究了多种混沌变异算子的性能,从而设计出了一种混沌变异算子的自适应选择机制,提出了一种改进了的具有混沌变异的遗传算法,大大地提高了原算法的寻优能力.