混沌控制及其优化应用.混沌控制及其优混沌控制及其优化应用.化应用.

提出一种基于抗体片段局部最优搜索的克隆选择和蚁群自适应融合算法. 引入混沌扰动来增加抗体种群的 多样性, 以提高蚁群算法的搜索能力; 利用克隆扩增、免疫基因等相关算子的操作, 增强了克隆选择算法搜索的效率;通过自适应控制参数, 实现了克隆选择与蚁群优化的有机结合及局部最优搜索策略的应用, 加快了收敛速度, 克服了抗体种群“早熟”问题, 提高了求解精度. 仿真实验结果表明, 该算法具有可靠的全局收敛性, 较快的收敛速度.

人工鱼群算法作为一种新型的仿生群体智能优化算法已成功地应用于各种优化问题及实际工程领域。然而，在复杂优化问题方面，受目标函数存在相对较大数量的局部极值的影响，收敛速度慢、早熟等缺陷难以避免地存在。在基本人工鱼群算法中引入具有随机性、遍历性的混沌理论，构建了一种改进算法，以使得人工鱼群搜索能够规避可能存在的局部极值状况。在工业控制网络异常检测中进行仿真应用，验证了算法的有效性。与基本的人工鱼群算法相比，混沌改进人工鱼群算法可使得算法在局部极值附近长时间搜索的状况得到有效避免，在全局收敛方面算法有更

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。

针对单变量边缘分布算法(UMDA) 容易陷入局部最优解且搜索效率较低等缺点, 提出一种混合单变量边缘 分布算法(HUMDA). 该算法采用两阶段参数动态控制策略来控制算法的均值与方差参数, 在搜索初期保持群体的多 样性, 在算法后期提高了算法的局部搜索能力, 并引入混沌搜索机制有效提高了算法的搜索精度和效率. 采用多峰高 维标准测试函数进行测试, 测试结果表明HUMDA具有更优的全局搜索能力且搜索精度较高. 将其应用于求解水库 优化调度问题, 亦得到较好的结果.