混沌预测和混沌优化理论和算法的研究.pdf

堑兰苎兰堡主兰竺垒查 -——●——--—●___——-———______———_————__—————————一一 一———————翌 摘要 ／自从混沌现象不断地从各个领域被发现以来，混沌系统的研究和应用就倍 受关注。混沌系统具有～些特殊的性质，它们给人们带来了两种截然不同的影 响。一方面由于它对初值敏感，这使得人们很难充分地认识和了解混沌系统； 另一方面，其本身的遍历性、趋向于吸引子等优良特性为传统科学提供了创新 研究的契机，必将促进其它科学的进一步发展。 系统建模是系统分析的重要手段之一，由于全球经济的飞速发展、行业间 的竞争日益加剧，需要每个行业中的各个系统之间紧密地协调、合作，这就对 系统建模提出了更高的要求。混沌系统广泛地存在于各个领域中，而在实际混 沌系统中，人们得到的数据往往是某些变量的混沌时间序列，因而举文针对混 沌时间序列建模的实际要求以及现有建模方法的不足，结合神经网络、蹙握算 法和自适应算法等先进的科学理论和技术，提出结构简单、参数收敛快速以及 存在噪声时能提高模型逼近精度的混沌时间序列建模方法。 得到混沌系统模型之后，本文考虑了混沌的应用研究，将混沌运动引入工 程和科学计算中常常遇到的非线性连续函数优化问题的研究，并分析了混沌优 化算法的基本原理。在此基础上，进一步深入研究了如何提高混沌优化算法在 大空间内的搜索效率、如何有效地将混沌优化算法与传统优化算法相结合以及 如何利用混沌模拟退火求解多变量连续优化函数等问题。 f本文的主要研究内容如下： 1．指出了传统的混沌时间序列局域直接预测方法的复杂性，提出了简便的 混沌时间序列的局域区问预测方法．该方法具有查询邻近点数据集合的功能， 在预测的过程中逐渐建立起了邻近点数据列表，使得遇到同类邻近点集时可以 方便从数据列表中取出。而不再需要进行大量的搜索工作：同时，在预测过程 中邻近点列表可以不断地更新，并能够补充新类别的邻近点集合，只要历史数 据足够多，最终可以得到一个完整的邻近点列表。通过这个邻近点数据列表， VIII 塑兰苎兰堡主兰竺垒圭—— __-———_-_———_●●__——_——-__——●——-———-———●——_●—_—————————————一—— 町以方便地进行混沌时间序列未来值的预测，省去了在历史数据中反复寻找所 有邻近点的过程，提高了预测效率。 2．分昕了现有的混沌时间序列全局预测方法的不足，结合NF．·GMDH网络 和具有反馈结构的GMDH网络的优点，研究了一种合理的自组织策略，删去原 有反馈环结构中冗余的计算和组合，提出了具有改进反馈环的NF-GMDH网络： 该网络结构简单，反馈环的精简使计算量大为减少，更加符合实际需要。 3考虑时间序列中存在噪声的情况，在Volterra自适应混沌预测模型中引 入了一种鲁棒LMS算法，提出了Volterra鲁棒自适应混沌预测模型，进一步分 析了模型参数估计的细节问题。仿真研究表明，Volterra鲁棒自适应混沌预测模 型收敛速度快、抗噪声能力强。 4．针对大空间内混沌优化算法效率的不足，提出了区间划分的混沌优化算 法，将优化问题中变量取值区间细分的思想与混沌优化方法相结合，使每一步 搜索都同时在各个优化变量的小区间内进行，大大提高了混沌搜索的效率和最 优解的近似精度。 5．为了解决混沌优化算法遍历每一状态的问题，将区间划分的混沌优化算 法与传统的优化算法相结合，由区间划分的混沌优化算法为传统优化算法提供 较好的初值，提出了一种混合优化算法，给出了算法的具体步骤，并证明了混 合优化算法的收敛性。仿真结果表明了该算法的有效性。 6．研究了一种用于多变量优化问题的暂态混沌模拟退火网络，该网络是在 混沌神经网络中引入了一个非线性反馈项，通过分形参数的逐渐衰减，网络由 初始的强混沌态逐渐过渡到弱混沌态，直至摄终达到稳定态并收敛于优化闽题 的最优解。分析了网络的动态特性，并给出了网络的收敛性定理。将该网络应 用于多变量优化问题，结果表明它能以较高的概率得到优化问题的全局最优解。 最后对全文进行总结，对进一步的研究进行了展望。、／7