论文部分内容阅读
优化问题遍布众多学科领域,如非线性科学中的混沌系统参数估计与控制等问题,因此针对优化问题的研究具有广泛的应用价值和重要的理论意义。模拟生物物种在各栖息地之间的迁移、变异、消亡等过程提出的生物地理学优化算法(Biogeography-based optimization,简称BBO)具有稳健性强、多样性好、并行搜索等优点,适合求解复杂优化问题。然而针对具有不确定、非线性、时变等特征的复杂优化问题仅采用单一模式的优化算法很难有效求解。针对此问题,本论文以BBO为基本算法,结合几类通用的算法改进策略,提出几种改进的BBO算法并应用于混沌系统参数估计等问题上,主要研究工作如下:1.针对任意光滑的离散混沌系统,利用混沌控制技术将离散混沌系统的参数估计问题转化为一个多模函数优化问题,并提出改进的生物地理学优化算法(RPBBO)求解此模型。首先,将原算法的全局拓扑替换为局部环形拓扑,设计了基于环形拓扑的混合迁移算子,改善了原算子计算量大,迁移不对称等问题。其次,针对原变异算子探索能力的不足,利用Powell模式搜索方法加强局部搜索,加快了算法的收敛速度。最后,对两个典型的离散混沌系统Logistic和Hénon系统进行仿真实验,实验结果表明未知参数的估计精度和RPBBO算法的收敛速度均好于传统算法。2.针对连续混沌系统建立了混沌系统参数估计问题的高维多模优化模型,并提出一个新的进化计算方法(PDBBO)。首先,根据BBO算法迁移算子探索能力弱的缺点,将差分变异策略与原迁移算子结合,提出混合迁移算子。其次,将一个随机扰动算子嵌入BBO算法,该算子克服迁移算子对劣质解共享信息的不足,并与混合迁移算子一起提高种群的多样性,进而提高算法的探索能力。最后,对洛伦兹系统、陈系统及吕系统的参数估计问题进行仿真实验,PDBBO算法在种群多样性、探索能力和收敛速度等方面与BBO及其它进化算法相比均有显著提高,可有效求解混沌系统参数估计问题。3.针对时滞混沌系统的参数估计问题,提出基于正交学习的生物地理学优化算法(ODBBO)。首先,利用差分变异策略代替迁移算子的迁移方程,这种策略可有效提高种群的多样性。其次,将具有能同时在搜索区域的内部和边界均匀搜索的正交学习算子嵌入到BBO算法中,用来提高BBO算法迁移算子的探索能力。最后,对两个典型的时滞混沌系统:时滞Logistic系统和Mackey-Glass系统的参数估计问题进行仿真实验,并与BBO和其它进化算法进行比较,仿真结果表明ODBBO是一种计算时滞混沌系统参数估计问题的有效算法。4.针对混沌系的控制与同步问题,融合混沌初始化的遍历性和高斯变异的多样性机理提出改进的生物地理学优化算法(CGBBO)。首先,利用混沌初始化策略代替原始算法的随机初始化法方法,提高算法收敛速度。其次,利用高斯变异算子代替BBO的变异算子,弥补变异算子的不足,提高BBO算法的探索能力。最后,对Hénon混沌系统控制与同步问题的数值仿真结果表明,CGBBO的算法性能优于其它几个进化算法,可有效求解混沌系统控制与同步问题。5.针对无约束有限极小极大问题,利用光滑函数,将极小极大问题转化为近似的光滑化无约束优化问题,并提出了邻近点-生物地理学优化混合算法(PPBBO)求解该问题。首先,该算法采用BBO算法求解邻近点子问题,然后,利用邻近点算法算法作为外循环,该算法结合了经典算法的收敛性和随机算法的多样性,保证了算法的计算精度和收敛性。最后,利用PPBBO求解无约束有限极小极大问题,仿真结果表明了PPBBO算法的有效性。