自适应折叠混沌优化方法
【作者】
傅文渊
[1,2] ;
凌朝东
[1,2]
【关键词】
混沌优化
混沌映射
折叠
自适应
【摘要】针对传统混沌优化方法中优化结果对搜索初始值要求极高以及搜索效率较低的问题, 提出一种自适应折叠混沌优化方法. 该方法首先提出一种新型无限折叠混沌映射, 并证明了该映射无有理数不动点,根据映射关系式建立混沌模型求解 Lyapunov 指数, 同时对搜索初值采用大幅度改变和小幅度改变两种方式来考察映射对初值的依赖程度. 利用该映射建立优化函数和折叠映射之间的对应关系, 降低优化结果对搜索初值的要求. 根据运算结果采用二次优化思想不断缩小优化变量的搜索空间, 重复这个过程直至得到的函数优化值不改变为止. 实验结果表明, 该方法的优化结果不依赖于初始值位置, 具有搜索效率高的特点. 与 Logistic 映射和 Tent 映射优化方法相比, 平均搜索效率分别提高了 71.6%和 62.6%.
上一篇:结合边缘纹理和抽样推断的自适应阴影检测算法
下一篇:云环境下基于多属性层次分析的虚拟机部署与调度策略