Go To English Version 超过100万源码资源,1000万源码文件免费下载
  • 论文研究-改进混沌PSO算法的电力系统最优潮流计算.pdf ... 耗费问题。考虑到传统PSO算法处理OPF约束条件时,对随机粒子个体的质量和速度的选取不能保证,且收敛速度慢,并容易陷入局部最优解,提出改进的混沌粒子群算法,即利用混沌运动特性来改进粒子群算法。利用该算法与其他算法对IEEE5节点算例进行分析比较,结果表明改进的混沌微粒群优化算法可较好处理最优潮流约束条件,有效提高了PSO算法的全局收敛能力和计算精度。在处理最优潮流问题上具有一定的有效性和优越性。
  • 论文研究-混沌免疫遗传算法的网络入侵检测模型.pdf 为了有效地提高入侵检测系统的检测率并降低误报率,提出采用属性约简方法对高维入侵检测数据进行特征选择,剔除无关的属性输入来提高检测效果,将混沌免疫遗传算法引入神经网络学习过程用以进行入侵检测,与传统BP神经网络检测结果进行比较,实验结果表明,将该方法用于入侵检测是切实可行的。
  • 论文研究-能源混沌系统的主动滑模同步控制.pdf 研究了一类能源混沌系统的同步问题。基于主动控制理论与滑模控制理论,给出了一种主动滑模控制器的设计方案。由于闭环误差系统依赖于控制器的参数,所以可通过调节这些参数使误差系统渐近稳定,从而实现了能源混沌系统的渐近同步。数值仿真结果说明了所设计方法的有效性与可行性。
  • 论文研究-混沌优化的仿射尺度搜索算法研究.pdf 为了求解单目标线性规划问题,提出了基于混沌优化(COA)算法的仿射尺度搜索(AFS)算法,即混沌AFS算法。使用混沌优化算法以迭代方式从随机初始点中得到优化的初始点;将得到的初始解点作为仿射尺度搜索算法的起始点来提高仿射尺度搜索算法的性能;通过搜索单目标线性规划决策变量域得到可行的近似最优解。实验结果表明,相比传统的AFS算法,在求解单目标线性优化问题时所提混沌AFS算法明显降低了目标值的偏差,同时大大地减少了迭代次数及CPU运行时间。
  • 论文研究-参数不确定混沌系统的时滞同步.pdf 混沌系统参数不确定时,采用自适应控制方法,研究了系统间的时滞同步问题。基于Lyapunov稳定性理论,给出了同步条件,并识别出了系统的未知参数。理论推导严格证明了结果的正确性;同时,以Lorenz系统为例进行了数值仿真与说明。
  • 论文研究-蚁群优化神经网络的网络流量混沌预测.pdf 为了网络流量预测准确性,提出一种蚁群算法(ACO)优化BP神经网络(BPNN)的网络流量混沌预测模型(ACO-BPNN)。对网络流量时间序列进行重构,将BPNN参数作为蚂蚁的位置向量,通过蚁群信息交流和相互协作找到BPNN最优参数,建立网络流量最优预测模型,并采用实测网络流量数据进行有效性验证。结果表明,ACO-BPNN能够准确刻画网络流量变化特性,提高网络流量的预测准确性。
  • 论文研究-改进的混沌遗传算法.pdf 将遗传算法与混沌算法相结合,提出了一种新颖的基于猫映射的混沌遗传算法(CGA),解释了猫映射的遍历性,分析了猫映射的混沌分布优越性。该算法利用猫映射的初值敏感性扩大搜索范围,利用猫映射的遍历性进行混沌变量的优化搜索,从而减少了数据冗余,保持了种群多样性,有效地解决了局部收敛问题。理论分析和数值仿真表明,该算法具有更好的收敛性能。
  • 论文研究-基于Tent映射的自适应混沌嵌入式粒子群算法.pdf 为避免粒子群算法后期出现早熟收敛,提出一种基于Tent映射的自适应混沌嵌入式粒子群算法。将混沌变量嵌入到标准粒子群算法中,且对参数进行自适应调整。算法采用Tent映射生成的混沌序列来取代基本粒子群算法中的随机数,充分利用了混沌运动的随机性、遍历性和规律性;惯性权重和学习因子采用非线性的自适应调整策略;建立平均粒距与适应度方差相结合的早熟收敛判断机制,并且以混沌搜索的方式来跳出局部最优。测试函数仿真结果表明,该算法具有良好的全局搜索能力,寻优精度较高,鲁棒性好。
  • 论文研究-基于混沌PSO算法优化RBF网络入侵检测模型.pdf 针对网络安全中异常入侵检测,给出了一种构建最优神经网络入侵模型的方法。采用混沌扰动改进粒子群优化算法,优化径向基函数RBF神经网络入侵模型。把网络特征子集和RBF神经网络参数编码成一个粒子,通过粒子间的信息交流与协作快速找到全局最优粒子极值。在KDD Cup 99数据集进行仿真实验,实验数据表明,建立了一种检测率高、速度快的网络入侵检测模型。
  • 论文研究-混沌遗传算法在时延约束选播路由中的应用.pdf 为解决遗传算法应用于选播路由时存在的易于陷入局部最优问题,结合混沌扰动算子和相异度方法,提出了一种基于改进的遗传算法的选播路由算法。仿真实验结果表明,该算法具有较强的全局搜索能力,较好地解决了“早熟”收敛问题,能够快速、有效地从多个选播成员中找到满足带宽约束和时延限制,且代价最小的最优路径。通过分析仿真实验数据,证明了算法具有较快的收敛速度,且提高了找到最优解的成功率。