基于混沌序列和Hopfield网络的优化研究-控制理论与控制工程专业论文.docxVIP

l-．海交通大肇博}：学位论文成了一个新颖的超声波缺陷自动分类系统。该系统选择Wrapper l-．海交通大肇博}：学位论文 成了一个新颖的超声波缺陷自动分类系统。该系统选择Wrapper Model为特征选择模型， 采用MSGCOA为特征子集选择方法，采用WPD实现从超声波中提取特征，采用SVM实 现对缺陷的分类。通过SVM的反馈来指导MSGCOA搜索最优的特征组合，这一步骤是 这一系统的特色，这在传统的超声缺陷分类系统中很少采用。通过将此系统用于海底输油 管道的缺陷分类实验可以证实此系统具有较高分类准确率和较好的分类性能。 第四章首先对连续Hopfield网络(Continuous Hopfield Neural Network-CHNN)进行 了能量分析，在此基础上，我们发现当在CHNN的每个神经元上增加一个自反馈后， CHNN的能量不会只是一味的下降，而是可能上升、下降或是不变。同时给出了使得CHNN 的网络能量上升、下降和不变的条件。由于可以使网络的能量上升，因此有可能避免网络 陷入局部极小值的现象。在此基础上，通过衰减所加的自反馈我们给出了一种求解旅行商 问题(Traveling Salesman Problems．TSP)的CHNN的改进网络，即增加衰减自反馈CHNN (Addmg Decaying Self-feedback CHNN—ADSCHNN)。求解TSP的仿真研究表明，当所加 衰减自反馈为负时，ADSCHNN每一次都能找到合理解甚至全局最优解，而且基本上能够 克服网络初始值对最终结果的影响。 第五章针对第四章中的ADSCHNN不能人为地进行网络能量控制的不足，为了能控 制CHNN的网络能量，在CHNN每一个神经元上增加一个控制量H。。同时，我们给出了 使得CHNN的网络能量上升、下降和不变的“．的控制规则。在此基础上，用衰减混沌噪 声设计了求解TSP的控制量，用此来改善CHNN求解TSP的效果，从而建立了一种新的 基于能量控制cHNN一一临界衰减混沌噪声CHNN(Critical Decaying Chaotic Noise CHNN．CDCNCHNN)。求解TSP的仿真证实CDCNCHNN收敛的精确度比ADSCHNN稍 差一点，但是收敛速度要比ADSCHNN快。 第六章对ADSCHNN和基于能量控制CHNN从优化学习角度进行了理论分析。说明 了为什么ADSCHNN和CDCNCHNN在求解TSP时，其求解效果要优于CHNN。同时也 说明了在求解TSP时，对于所加自反馈为负的ADSCHNN，当参数设置合适时，网络总 能收敛到合理解；而对于所加自反馈为正的ADSCHNN，网络有可能收敛到不合理解，从 而说明了自反馈为负的ADSCHNN求解TSP的效果要好。对于基于能量控制CHNN，当 控制量设得恰当时，网络将在超立方体的顶点集中寻找TSP的解，由于搜索空间变得较 小，因此提高了搜索效率和找到合理解的概率。本章还对ADSCHNN和基于能量控制 CHNN之间的区别和联系进行了说明。 第七章总结了本文研究的主要内容并给出了进一步需要研究的问题。 摘要本文主要有以下创新： 摘要 本文主要有以下创新： 1．将遗传算法、混沌优化和变尺度方法相结合，提出了一种改进的混沌优化算法一 MSGCOA。MSGCOA可以克服遗传算法的早熟现象和混沌优化的搜索时间过长的缺 点。并给出了该算法的收敛性分析，证明了该算法是全局渐近收敛的。 2．利用MSGCOA、WPD和SVM建立了一个新颖的缺陷自动分类系统，并将此系统成 功地运用到海底输油管道的缺陷分类中。取褥了良好的分类效果， 3．在CHNN的每个神经元上增加自反馈后，对此网络进行了能量分析，得到了使得网 络能量上升、下降和不变的条件。并在此基础上，通过衰减增加的自反馈项建立了一 个CHNN的改进网络——ADSCHNN。此网络显示出很好的求解TSP的效果。 4．通过在CHNN的每个神经元上增加一个控制量，实现了对CHNN的能量控制。在对 网络进行能量分析的基础上得到了控制规则，由此设计出求解TSP的控制量，并建立 了一种新的基于能量控制C}玎州——CDCNcHNN。此网络具有比较快的收敛速度和 较好的收敛效果。 关键词：智能优化；混沌优化；连续Hopfield网络；旅行商问题；能量控制 m AbstraetAbstract Abstraet Abstract With the rapid development of science and technology and the society progress，the scale of actual systems studied is growing greatly；more restraining conditions sho