超级会员免费看
针对混沌系统参数辨识的精度问题，本文提出了一种多策略改进的鲸鱼优化算法（MIWOA）。MIWOA通过Chebyshev混沌映射产生均匀分布的初始种群，结合非线性收敛因子和自适应权重，以及自适应t分布或蚁狮优化算法来增强全局和局部搜索能力。实验结果表明，MIWOA在10个基准函数和高维测试函数上的表现优于WOA和其他智能算法，且在Roßler和Lu混沌系统参数辨识中取得了更优的结果，验证了MIWOA的有效性和实用性。
摘要: 针对混沌系统参数辨识精度不高的问题，以鲸鱼优化算法(whale optimization algorithm，WOA)为基础，提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm，MIWOA)。采用Chebyshev混沌映射选取高质量初始种群，采用非线性收敛因子和自适应权重，提高算法收敛速度，为了避免算法陷入局部最优，动态选择自适应t分布或蚁狮优化算法更新后期位置，提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验，表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Ro¨sslerRo¨ssler和Lu¨Lu¨混沌系统参数，仿真结果优于现有成果，表明本文MIWOA辨识混沌系统参数的高效性和实用性。
- 关键词:
- 多策略改进鲸鱼优化算法 /
- 混沌系统 /
- 参数辨识 /
- Chebyshev 混沌映射 /
- 自适应t分布 /
- 蚁狮优化算法 /
- 基准函数 /
- Wilcoxon 秩和检验
在非线性科学领域，混沌系统的控制与同步是研究热点，其在信息科学、保密通信等方面应用广泛[1-2]，准确的混沌系统模型是实现同步控制的基础。然而，实际应用中，混沌系统结构复杂，部分参数不可知，因此精确辨识混沌系统参数具有重要的现实意义[3-4]。
近年来，许多学者开始关
订阅专栏 解锁全文
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
