一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究

论文摘要

混沌是存在于非线性系统中的一种较为普遍的非线性现象，混沌并不是一片“混乱”，而是有着精致的内在结构的一类非线性现象。混沌的特性主要有伪随机性、遍历性和对初始条件的敏感性。由于遍历性可作为避免搜索过程陷入局部极小的有效机制，因此混沌理论已成为一种新颖且有潜力的优化工具。从20世纪90年代初开始，混沌优化的研究引起了人们极大的兴趣，并成为当前混沌理论研究的一个热点。 90年代初，受蚁群可在巢和食物源间建立最短路径的著名试验的启发，学者Marco Dorigo首先开创性地提出了著名的蚁群最优化算法，此后群智能理论研究迅速展开。由于群智能理论在生产计划与调度、商业运作、金融管理、电子技术、通讯、自动控制、光学、生物学等许多领域中具有巨大的应用潜力及发展前景，已经引起国内外学者的广泛关注，从而成为近期计算机、运筹学和智能控制等领域研究中的热点及前沿。 现有的受蚂蚁种群行为启发而产生的优化算法，大多都是基于随机搜索机制的非确定性的概率理论发展而来的。但是近年来生物学家Cole发现整个蚁群行为是一种周期行为，然而单个蚂蚁的行为却是混沌行为。蚁群显然是具有智能的团队，这个团队在不断地协作完成一个又一个任务，我们认为种群周期行为的产生正是蚂蚁由独自作业到自组织起来协作完成一个又一个任务的过程。从动力学的角度来说，显然单个蚂蚁的混沌行为和种群强大的自组织能力之间必然存在着某种内在的关系。这种关系是蚁群对周围生存环境适应性的一种自然选择，这些行为有利于蚂蚁的生存。然而混沌现象用Marco Dorigo依据概率理论建立的蚁群优化模型是无法解释的。单个蚂蚁的混沌行为与群体的自组织和蚁群捕食以及最短路径的建立之间是一种什么关系，这一点目前并没有引起国际群智能理论研究者广泛的关注。 本文从全新的角度分析了蚂蚁外出捕食、在巢和食物源之间建立最短路径的过程。我们通过构造一个“巢—食物源—巢”之间的映射关系，

论文目录

• 第一章 绪论
• 1.1 引言
• 1.2 群体智能理论简介
• 1.3 群体智能研究进展
• 1.3.1 蚁群优化算法
• 1.3.2 蚁群聚类算法
• 1.3.3 多机器人协同合作系统
• l.3.4 粒子群优化算法
• 1.4 论文的主要思想与工作
• 1.4.1 本论文算法的新思想
• 1.4.2 本论文的主要工作
• 1.5 论文的结构安排
• 第二章 混沌蚁群优化算法
• 2.1 引言
• 2.2 蚂蚁的混沌行为和自组织行为
• 2.3 混沌蚁群算法的数学模型
• 2.4 蚂蚁的邻居以及蚂蚁间的信息交换方式
• 2.5 混沌蚁群模型的非线性动力学行为
• 2.6 利用无约束函数测试混沌蚁群算法
• 2.7 利用有约束函数测试混沌蚁群算法
• 2.8 算法讨论
• 2.9 本章小结
• 第三章 基于 CAS算法的动力学系统参数辨识
• 3.1 引言
• 3.2 混沌蚁群算法辨识系统参数
• 3.3 代价函数和未知参数的关系
• 3.3.1 一维线性系统
• 3.3.2 一维非线性系统
• 3.4 四种典型系统的参数辨识数值仿真研究
• 3.4.1 测量信号没有噪声的情况
• 3.4.2 测量信号叠加噪声的情况
• 3.5 Logistic和Lorenz系统仿真研究
• 3.6 本章小结
• 第四章 基于 CAS算法的模糊系统设计及其应用
• 4.1 引言
• 4.2 TS模糊系统建模
• 4.3 利用 CAS设计模糊系统
• 4.4 基于 CAS的模糊系统应用研究
• 4.4.1 在非线性系统辨识中的应用
• 4.4.2 在时间序列预测中的应用
• 4.4.3 在非线性自适应控制系统中的应用
• 4.5 模糊系统数值仿真
• 4.5.1 模糊系统辨识仿真实例
• 4.5.2 模糊系统预测仿真实例
• 4.5.3 模糊系统控制仿真实例
• 4.6 本章小结
• 第五章 基于混沌蚁群算法的神经网络训练
• 5.1 引言
• 5.2 神经网络简介
• 5.2.1 通用神经元模型
• 5.2.2 神经元学习算法
• 5.2.3 神经网络的拓扑结构
• 5.3 利用混沌蚁群算法训练 BP网络
• 5.4 混沌蚁群算法训练 BP网络仿真实例
• 5.5 本章小结
• 第六章 基于CAS算法的PID整定
• 6.1 引言
• 6.2 PID参数整定方法
• 6.2.1 常规 PID参数整定方法
• 6.2.2 智能 PID参数整定方法
• 6.3 优化模型的建立
• 6.4 数值试验
• 6.5 本章小结
• 第七章 总结与展望
• 7.1 本论文研究工作的总结
• 7.2 研究工作的展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录