摘要针对传感器的覆盖，提出*********。引言无线传感器网络被广泛应用，如医疗、环境、军事方面。无线传感器网络存在两大问题：覆盖控制和节点能量。覆盖能够延长网络生存时间，国内外许多学者在这个方面做了大量的工作。有向传感器网络是无线传感器网络的一种，本文针对有向传感器网络的覆盖做研究。近年来，许多专家学者提出了有向传感器网络覆盖控制问题和解决方法。Ma等首次提[8]出了有向传感其网络的概念，设计了一种二维有向感知模型，并研究了覆盖问题。陶丹等[4]提出了一种基于虚拟势场的有向传感器网络覆盖增强算法，引入“质心”的概念，通过质心点在虚拟力的作用下，实现节点的运动，消除重叠区和盲区，从而提高整个网络的覆盖率，[5]但是质心所受合力的计算较复杂。符祥等基于全局贪心原则，提出了一种有向传感器网络覆盖算法。以节点各方向下一重覆盖区域的大小为优先级，优先确定一重覆盖区域面积最大[13]的传感器节点方向减少重叠覆盖区域。解决控制问题的方法还有很多，如覆盖控制算法，，粒子群算法等。粒子群算法具有较快的收敛速度，但容易进入“早熟”状态。[1]顾等混沌算法能很快的找到全局覆盖最优值，只能迭代60次，但混沌搜索式的随机性，遍[6]历性不如junxiao等圆映射公式好，junxiao等考虑了移动节点的能量，很好地实现了覆盖，[11]但是只针对全向传感器。李靖等的粒子群算法融入了模拟退火和轮盘赌的思想，很好地解决了粒子群算法易陷入局部解，但此算法的覆盖提高率并不
高。[1]在本文只针对覆盖问题，在顾的基础上，寻找全局最优值，对混沌粒子群算法进行改进，进一步提高网络覆盖性。与顾和李靖的模拟退火相比此算法具有更好的优越性。该算法利用粒子群算法较快的收敛速度和混沌搜索的遍历性、随机性，不仅保证了算法的收敛速度，而且有效避免了基本粒子群算法的“早熟”现象。仿真实验证明，该算法能有效地优化节点布局，扩大网络覆盖率。本文章节如下：第2节介绍网络模型，第3节详细介绍混沌粒子群覆盖优化算法；第4节是仿真实验和仿真分析。2网络模型 2.1 有向感知模型通常把感知模型抽象为一个四元组
实验二十九混沌现象研究 长期以来，人们在认识和描述运动时，大多只局限于线性动力学描述方法，即确定的运动有一个完美确定的解析解。但是自然界在相当多情况下，非线性现象却起着很大的作用。1963年美国气象学家Lorenz在分析天气预报模型时，首先发现空气动力学中的混沌现象，该现象只能用非线性动力学来解释。于是，1975年混沌作为一个新的科学名词首次出现在科学文献中。从此，非线性动力学迅速发展，并成为有丰富内容的研究领域。该学科涉及非常广泛的科学范围，从电子学到物理学，从气象学到生态学，从数学到经济学等。混沌通常相应于不规则或非周期性，这是由非线性系统本质产生的。本实验将引导学生自己建立一个非线性电路，该电路包括有源非线性负阻、LC振荡器和RC移相器三部分；采用物理实验方法研究LC振荡器产生的正弦波与经过RC移相器移相的正弦波合成的相图（李萨如图），观测振动周期发生的分岔及混沌现象；测量非线性单元电路的电流—电压特性，从而对非线性电路及混沌现象有一深刻了解；学会自己制作和测量一个实用带铁磁材料介质的电感器以及测量非线性器件伏安特性的方法。【实验原理】 1、非线性电路与非线性动力学 实验电路如图30-1所示，图30-1中只有一个非线性元件R，它是一个有源非线性负阻器件。电感器L和电容器C2组成一个损耗可以忽略的谐振回路；可变电阻R0和电容器C1串联将振荡器产生的正弦信号移相输出。本实验所用的非线性元件R是一个五段分段线性元件。图30-2所示的是该电阻的伏安特性曲线，可以看出加在此非线性元件上电压与通过它的电流极性是相反的。由于加在此元件上的电压增加时，通过它的电流却减小，因而将此元件称为非线性负阻元件。 C2 R0 R C1 L 图29-2 非线性元件伏安特性 图29-1 非线性电路原理图 V（R）
混沌粒子群混合优化算法 王大均，李华平，高兴宝，赵云川 四川蜀渝石油建筑安装工程有限责任公司，四川成都（610017） 摘 要：粒子群优化算法（PSO ）具有收敛速度快但易陷入局部最优点的特点，因此本文将在结合混沌运动的遍历性、伪随机性和对初值的敏感性等特点的基础上，对粒子群优化算法进行了改进，提出了一种基于混沌思想的粒子群优化算法（CPSO ），该算法保持了群体多样性，增强了PSO 算法的全局寻优能力，提高了算法的计算精度，改善了收敛性和鲁棒性，很大程度上避免了算法停滞现象的发生，是一种有效的优化搜索算法。 关键词：混合优化算法；混沌优化算法；粒子群优化算法 1. 引言 粒子群算法PSO(Particle Swarm Optimization) 是Kennedy J 与Eberhart R 于1995年借鉴鸟群和鱼群捕食过程的社会行为提出的[1]。该算法具有程序简单、控制参数少、寻优结果与初值无关、且具有一定的并行性等特点，因此从开始研究到现在短短的十年时间里，表现出强大的优化功能，被广泛应用到函数优化、神经网络训练、人工智能、模糊系统控制等领域。PSO 作为一种更高效的并行搜索算法，非常适于对复杂环境中的优化问题的求解，成为目前进化计算研究的一个热点。但是标准的粒子群算法表现出强烈的“趋同性”，对于单调函数、严格凸函数或单峰函数，能在初始时很快向最优解靠拢，但在最优解附近收敛较慢，对于多峰函数更易出现早熟现象以及运算量较大等缺点。 混沌学的诞生是20世纪人类科学史上继相对论和量子理论之后的第三次革命，混沌是指在确定性系统中出现的随机状态，为非线性系统的一种演变现象，它不是由随机性外因引起，而由确定性规则导致的对初始条件非常敏感的无固定周期的长期行为[2]。混沌运动能在一定范围内按其自身不重复地遍历所有状态，初始值条件极其微弱的变化会引起系统行为巨大变化。因此，本文将在对标准粒子群算法改进的基础上，将混沌思想引入到粒子群算法中，避免了易陷入局部最优值的缺点，大大改善了粒子群算法的优化性能。 2. 粒子群优化算法的改进 2.1标准粒子群优化算法 假设搜索空间是D 维的，搜索空间有 m 个微粒，每个微粒的位置表示一个潜在的解，微粒群中第 i 个微粒的位置用()iD i i i x x x X ,,,21L =→ 表示，第i 个微粒的速度表示为 ()iD i i i v v v V ,,,21L =→ 。第i 个微粒经历过的最好位置 ( 有最好适应度 )记为()iD i i i p p p P ,,,21L =→ ，称为个体极值best p 。整个微粒群迄今为止搜索到的最好位置记为 ()gD g g g p p p P ,,,21L =→ ，称为全局极值best g 。对于每一个微粒，其第 d 维()D d ≤≤1， 根据如下等式变化：
ＭＩＳ的混沌治理研究 关于《ＭＩＳ的混沌治理研究》，是我们特意为大家整理的，希望对大家有所帮助。 ［摘要］MIS系统的混沌治理研究大体上指两个方面：一是将MIS看成是一个混沌系统分析其所应具有的若干混沌特性，二是把混沌理论和方法应用于MIS的治理实践。本文首先先容了混沌现象的特征及混沌理论的研究内容，并运用混沌理论探讨了MIS 系统中的若干混沌特性,这些特性包括：分形性、耗散性、内在随机性以及初值敏感性等，然后分析了混沌理论在MIS中的应用，最后指出了混沌理论在MIS系统中的一些研究方向。［关键词］混沌；MIS；混沌吸引子；分形；蝴蝶效应；混沌治理 1 引言
MIS（Management Information Systems）发展过程中的不确定性和现代企业经营环境的不稳定性，使得越来越多 的治理理论家们倾向于将MIS理解成为非线性系统、复杂系统，并且用非线性系统理论、复杂系统理论研究MIS发展的过程，解决和解释MIS发展过程中出现的题目和现象。目前将非线性系统理论尤其是混沌理论与MIS治理相联系的研究成果还未几见，而应用混沌理论分析MIS的特性，研究MIS演化的模式及其过程的治理，对发展MIS治理理论具有重要的学术及实际指导意义。 2 混沌理论简介 混沌学研究起源于1960s Edward Lorenz的天气猜测模型“蝴蝶效应”，正是这一“蝴蝶效应”模型，揭示了自然界表面看起来杂乱无序的事物中惊人的某种秩序。20世纪70年代科学家们开始普遍熟悉到混沌的存在与其重要意义，并对各领域的混沌现象进行大量研究；20世纪80年代混沌研究在全球迅速推广，物理、生物、化学、经济、治理等领域对混沌的研究都取得了可喜成果。自然总是如此神秘，杂乱无章、不可猜测的运动背后隐躲着其内在规律性，而且这种规律并不随外界扰动而改变，这就是混沌。 2. 1混沌的概念 “混沌”，本意是“混乱无序”的意思，但是其描述的对象却具
电子科技大学 2012级本科毕业设计（论文）开题报告表
只有这样计算机才能运行。为使更多的人能使用复杂的计算机，必须改变过去的那种让人来适应计算机，来死记硬背计算机的使用规则的情况。而是反过来让计算机来适应人的习惯和要求，以人所习惯的方式与人进行信息交换，也就是让计算机具有视觉、听觉和说话等能力。这时计算机必须具有逻辑推理和决策的能力。具有上述能力的计算机就是智能计算机。 智能计算机不但使计算机更便于为人们所使用，同时如果用这样的计算机来控制各种自动化装置特别是智能机器人，就可以使这些自动化系统和智能机器人具有适应环境，和自主作出决策的能力。这就可以在各种场合取代人的繁重工作，或代替人到各种危险和恶劣环境中完成任务。 3、课题研究内容 将计算机视觉和图像处理技术应用到车辆驾驶辅助系统当中可以有效地为车辆行驶提供安全保障。而在计算机视觉中，利用视觉信息感知环境，由单幅二维投影图像确定目标与装载摄像机物体之间距离信息的研究，是目前智能交通系统(ITS)和智能车辆系统(IVS)的关键技术之一。本文主要研究针对ITS和IVS的单目视觉测距方法。基于单目视觉的测量技术是从计算机视觉领域中发展起来的新型非接触测量技术，它是一种结合图像处理技术，把图像当作检测和传递信息的手段或载体而加以利用的测量方法。本文利用投影几何原理和图像处理方法研究了单目测距算法，重点研究了摄像机标定技术、图像预处理方法、障碍物体检测及计算障碍物体距离的算法。本文首先采用了一种在照、摄像机内外部参数未知的条件下，利用图像平面中的平行线，以及它们形成的消隐点具有几何约束关系来实现摄像机标定的新方法。该方法与以前方法相比，计算复杂性不高，但相对而言，准确性和鲁棒性较高，且无须在使用前标定相机，更符合实际需要(因现今的照、摄像机都是变焦距的)，从而具有广泛的推广价值。其次，对多种图像预处理方法进行了分析、比较和选择，采用的方法兼顾了图像处理效果和实时性要求。最后，在分析道路特征的基础上建立了道路几何模型，并利用改进的Hough变换提取出道路边缘曲线模型。并在现有单一道路模型测距算法的基础上做了改进，提出了混合几何模型的单目测距算法。模拟试验结果表明该算法对视觉测距领域的研究有一定的借鉴意义。 4、关键问题及研究目标 本次研究目标主要是通过对已有基于计算机视觉的测距算法的实现和评估。关键问题在于如何用OpenCV实现这些算法并对其进行合适的评估。 5、研究特点 基于计算机视觉的距离测量主要是单目测距和多目测距，它们都有各自的优点，也
混沌粒子群优化算法¨ 计算机科学2004V01．31N-o．8 高鹰h2谢胜利1 (华南理工大学电子与信息学院广州510641)1 (广州大学信息机电学院计算机科学与技术系广州510405)2 摘要粒子群优化算法是一种新的随机全局优化进化算法。本文把混沌手优思想引入到粒子群优化算法中，这种方 法利用混沌运动的随机性、遍历性和规律性等特性首先对当前粒子群体中的最优粒子进行混池寻优，然后把混沌寻优 的结果随机替换粒子群体中的一个粒子。通过这种处理使得粒子群体的进化速度加快t从而改善了粒子群优化算法摆 脱局部极值点的能力，提高了算法的收敛速度和精度。仿真结果表明混沌粒子群优化算法的收敛性能明显优于粒子群 优化算法。 关键词粒子群优化算法。混沌手优，优化 ’ChaosParticle Swarm OptimizationAlgorithm GAO Yin91”XIESheng—Lil (College of Electronic＆Information EngineeringtSouth China University of Technology，Guangzhou 510641)1 (Dept．of Computer Science and Technology．GuangzhouUniversity·Guangzhou 510405)2 Abstract Particle swarm optimization is anewstochastic global optimization evolutionaryalgorithm．In this paper， the chaotic search is embeddedinto original particle swarm optimizers．Based on the ergodicity，stochastic property and
基于MATLAB 的各类混沌系统的计算机模拟 混沌是非线性系统所独有且广泛存在的一种非周期运动形式, 其覆盖面涉及到自然科学和社会科学的几乎每一个分支。1972年12月29日，美国麻省理工学院教授、混沌学开创人之一E.N.洛伦兹在美国科学发展学会第139次会议上发表了题为《蝴蝶效应》的论文，提出一个貌似荒谬的论断：在巴西一只蝴蝶翅膀的拍打能在美国得克萨斯州产生一个龙卷风，并由此提出了天气的不可准确预报性。为什么会出现这种情况呢？这是混沌在作怪！ “混沌”译自英语中“chaos”一词，原意是混乱、无序，在现代非线性理论中，混沌则是泛指在确定体系中出现的貌似无规则的、类随机的运动。 混沌现象是普遍的，就在我们身边，是与我们关系最密切的现象，我们就生活在混沌的海洋中。一支燃着的香烟，在平稳的气流中缓缓升起一缕青烟，突然卷成一团团剧烈搅动的烟雾，向四方飘散；打开水龙头，先是平稳的层流，然后水花四溅，流动变的不规则，这就是湍流；一个风和日丽的夏天，突然风起云涌，来了一场暴风雨。一面旗帜在风中飘扬，一片秋叶从树上落下，它们都在做混沌运动。可见混沌始终围绕在我们的周围，一直与人类为伴。 1.混沌的基本概念 1. 混沌: 目前尚无通用的严格的定义, 一般认为,将不是由随机性外因引起的, 而是由确定性方程(内因)直接得到的具有随机性的运动状态称为混沌。 2. 相空间: 在连续动力系统中, 用一组一阶微分方程描述运动, 以状态变量(或状态向量)为坐标轴的空间构成系统的相空间。系统的一个状态用相空间的一个点表示, 通过该点有唯一的一条积分曲线。 3. 混沌运动: 是确定性系统中局限于有限相空间的高度不稳定的运动。所谓轨道高度不稳定, 是指近邻的轨道随时间的发展会指数地分离。由于这种不稳定性, 系统的长时间行为会显示出某种混乱性。 4. 分形和分维: 分形是 n 维空间一个点集的一种几何性质, 该点集具有无限精细的结构, 在任何尺度下都有自相似部分和整体相似性质, 具有小于所在空间维数 n 的非整数维数。分维就是用非整数维——分数维来定量地描述分形的基本性质。 5. 不动点: 又称平衡点、定态。不动点是系统状态变量所取的一组值, 对于这些值系统不随时间变化。在连续动力学系统中, 相空间中有一个点0x , 若满足当 t →∞时, 轨迹0()x t x →, 则称0x 为不动点。 6. 吸引子: 指相空间的这样的一个点集 s (或一个子空间) , 对s 邻域的几乎任意一点, 当t →∞时所有轨迹线均趋于s, 吸引子是稳定的不动点。 7. 奇异吸引子: 又称混沌吸引子, 指相空间中具有分数维的吸引子的集合。该吸引集由永不重复自身的一系列点组成, 并且无论如何也不表现出任何周期性。混沌轨道就运行在其吸引子集中。 8. 分叉和分叉点: 又称分岔或分支。指在某个或者某组参数发生变化时, 长时间动力学运动的类型也发生变化。这个参数值(或这组参数值)称为分叉点, 在分叉点处参数的微小变化会产生不同性质的动力学特性, 故系统在分叉点处是结构不稳定的。 9. 周期解: 对于系统1()n n x f x += , 当n →∞时,若存在n i n x x ξ+== , 则称该系统有周期i 解ξ 。不动点可以看作是周期为1的解, 因为它满足1n n x x +=。 10. 初值敏感性：对初始条件的敏感依赖是混沌的基本特征，也有人用它来定义混沌：混沌系统是其终极状态极端敏感地依赖于系统的初始状态的系统。敏感依赖性的一个严重后果就在于，使得系统的长期行为变得不可预见。
混沌保密通信的研究 [摘要]：文章简要讨论了基于混沌的保密通信的几种方法的特点及其发展状况，介绍了混沌保密通信的理论依据，对混沌保密通信走向实用化存在的关键问题进行了讨论。 [关键字]：混沌保密通信超混沌 混沌现象是非线性动力系统中一种确定的、类似随机的过程。由于混沌动力系统对初始条件的极端敏感性，而能产生大量的非周期、连续宽带频谱、似噪声且确定可再生的混沌信号，因而特别适用于保密通信领域。现在的混沌保密通信大致分为三大类：第一类是直接利用混沌进行保密通信；第二类是利用同步的混沌进行保密通信；第三类是混沌数字编码的异步通信。另外，由于混沌信号具有宽带、类噪声、难以预测的特点，并且对初始状态十分敏感，能产生性能良好的扩频序列，因而在混沌扩频通信领域中有着广阔的应用前景。 1、混沌保密通信的基本思想 要实现保密通信，必须解决以下三方面的问题。 （1）制造出鲁棒性强的同步信号；（2）信号的调制和解调；（3）信号的可靠传输。 同步混沌保密通信系统的基本模型如图所示：在发送端，驱动混沌电路产生2个混沌信号U和V，V用于加密明文信息M，得到密文C，混沌信号U可视作一个密钥，他和密文C一起被传送出去；在接收端，同步混沌电路利用接收到的驱动信号U，产生出混沌信号V’，再用信号V ’去解密收到的密文C，从而恢复消息M（见图）。
同步混沌保密通信系统的基本模型 2、混沌保密通信的理论依据 混沌保密通信作为保密通信的一个新的发展方向,向人们展示了诱人的应用前景。混沌信号的隐蔽性,不可预测性,高度复杂性,对初始条件的极端敏感性是混沌用于保密通信的重要的理论依据。 3、混沌保密通信的方法 按照目前国际国内水平，混沌保密通信分为模拟通信和数字通信。混沌模拟通信通常通过非线性电路系统来实现，对电路系统的设计制作精度要求较高，同步较难实现。混沌数字通信对电路元件要求不高，易于硬件实现，便于计算机处理，传输中信息损失少，通用性强，应用范围广，备受研究者的关注。由于混沌系统的内随机性、连续宽频谱和对初值的极端敏感等特点，使其特别适合用于保密通信,而混沌同步是混沌保密通信中的一个关键技术。目前各种混沌保密通信的方案可归结如下几种： 3.1混沌掩盖 混沌掩盖方案可传送模拟和数字信息，思想是以混沌同步为基础，把小的信号叠加在混沌信号上，利用混沌信号的伪随机特点，把信息信号隐藏在看似杂乱的混沌信号中，在接收端用一个同步的混沌信号解调出信号信息，以此达到保密。混沌掩盖直接把模拟信号发送出去，实现简单，但它严格依赖于发送端、接收端混沌系统的同步且信息信号的功率要远低于混沌掩盖信号的功率，否则，保密通信的安全性将大大降低。1993年，Cuomo和Oppenteim构造了基于Lorenze吸引子的混沌掩盖通信系统，完成了模拟电路实验。他们将两个响应子系统合成一个完整的响应系统，使其结构和驱动系统相同，在发送器混沌信号的驱动下，接收器能复制发送器的所有状态，达到两者的同步。1996年Mianovic V和Zaghlou M E在上述混沌掩盖方案的基础上提出了改进方案,Yu和Lookman 进一步完善了这一方案,对Lorenze系统的发送器引入合成信号的反馈,来实现接收器和发送器之间的更完满的同步，若发送器和接收器的初始状态不同,经过短暂的瞬态过程,就可以达到同步,模拟电路的实验研究表明,改进方案的信号恢复精度较高。考虑到高维混沌系统的保密性优于低维混沌系统,1996年，Lu Hongtao等提出了由单变量时延微分方程描述的无限维系统,该系统的动力学行为包括稳定平衡态、
近场电磁测距优化算法研究 近场电磁测距(NFER,Near-Field Electromagnetic Ranging)技术根据近场电磁场相位差与通信距离之间的关系来实现测距。利用低频信号能够更好地穿透建筑物的特点,近场电磁测距技术能够有效地减少多径干扰,同时在非视距情况下取得较高的测距精度。但是,面对复杂多变的室内、地下环境以及不同的应用需求,现有近场电磁定位系统还存在以下问题:(1)现有近场电磁测距技术采用固定单频点信 号作为测距信号,有效测距范围被限制在发射信号半波长范围内。为了增加测距范围,提高测距精度,需要根据应用需求调整信号频率。(2)在低频测距信号频段范围内,噪声干扰较大,影响测距精度。(3)当发射信号穿透介质传播时,信号传播路径、波长、相位等信息发生改变,影响测距精度。针对以上问题,本文对近场电磁测距技术的优化方法进行了研究,主要研究内容包括:(1)基于RSSI的自适应时延估计算法。为了能够调整测距信号频率,使近场电磁测距系统满足不同测距范围、测距精度的要求,本文将测距信号电磁场成分之间的相位差转化为电磁场成分之间的时间延迟,利用自适应时延估计 (ATDE,Adaptive Time Delay Estimation)算法来检测电磁场成分之间的时间延迟,能够在不需要先验信号频率知识的前提下,测得与定 位目标之间的距离,提高了系统的灵活性。本文基于近场电磁波传播模型,将接收信号强度值转化为时延估计算法的初始时延,提出了基 于接收信号强度指示(RSSI,Received SignalStrength Indication)的自适应时延估计算法,提高了算法的收敛速度,并且基于最大相关
改进的混沌遗传算法 李辉 (计算机学院2004级研究生 04720746) 摘要：混沌遗传算法(chaos genetic algorithm, CGA)是基于混沌优化的遗传操作,将使子代个体均匀地分布于定义空间,从而可避免早熟,以较大的概率实现全局最优搜索.与传统的遗传算法相比较, CGA 的在线和离线性能都有较大的改进。而遗传算法作为一种智能算法，是解决非线性复杂优化问题的有利工具，但它在搜索过程中易陷入局部最优，收敛速度慢的缺陷又限制了它的寻优效能。混沌遗传算法具有两者的优点，大大提高了优化的效率。 关键词：遗传算法混沌混沌优化 Abstract：Chaos genetic algorithm (CGA)is a genetic operation,which based on chaos optimization,makes the individuals of subgeneration distribute uniformly in the defined space and avoids the premature of subgeneration.To compare the performances of the CGA with those of the traditional GA,The results demonstrated that the CGA’s on-line and off–line performance was all superior to that of the traditional GA.As an inteliengence algorithm,GA is a effectual toos to resolve the problem of the liner-optimization,but the slower convergence and the premature restrict its efficiency.And CGA which has the two strongpoint has promoted is efficiency in optimization. Key words: genetic algorithm chaos chaos optimization 1 引言： 遗传算法(GA)最早由美国Michigan大学的John Holland教授提出，通过模拟自然界中的生命进化过程，有指导地而不是盲目地进行随机搜索，适用于在人工系统中解决复杂特定目标的非线性反演问题。De Jong首先将遗传算法应用于函数优化问题的研究，他的工作表明在求解数学规划时，GA是一种有效的方法。但对于大型复杂系统，尤其是非线性系统优化问题的求解，GA仍有许多缺陷，如无法保证收敛到全局最优解，群体中最好的染色体的丢失，进化过程的过早收敛等。 混沌是自然界中一种较为普遍的现象，具有“随机性”、“遍历性”及“规律性”等特点，在一定范围内能按其自身的“规律”不重复地遍历所有状态的。在搜索空间小时混沌优化方法效果显著，但搜索空间大时几乎无能为力。 混沌遗传算法(CGA)的基本思想是将混沌状态引入到优化变量中，并把混沌运动的遍历范围“放大”到优化变量的取值范围，然后把得到的混沌变量进行编码，进行遗传算子操作。再给混沌变量附加—混沌小扰动，通过一代代地不断进化，最后收敛到一个最适合环境的个体上，求得问题的最优解。 2 传统遗传算法 传统遗传算法： population old_pop,new_pop;/*current and next population*/ int pop_size,generation; float p_cross,p_mutation; /*prob. Of crossover & mutation*/ 1 old_pop=initial random population={ind1,ind2,….indpopsize} 2 while(generation 摘要 针对传感器的覆盖，提出*********。 引言 无线传感器网络被广泛应用，如医疗、环境、军事方面。无线传感器网络存在两大问题：覆盖控制和节点能量。覆盖能够延长网络生存时间，国内外许多学者在这个方面做了大量的工作。有向传感器网络是无线传感器网络的一种，本文针对有向传感器网络的覆盖做研究。 近年来，许多专家学者提出了有向传感器网络覆盖控制问题和解决方法。Ma等首次提出了有向传感其网络的概念，设计了一种二维有向感知模型，并研究了覆盖问题[8]。陶丹等[4]提出了一种基于虚拟势场的有向传感器网络覆盖增强算法，引入“质心”的概念，通过质心点在虚拟力的作用下，实现节点的运动，消除重叠区和盲区，从而提高整个网络的覆盖率，但是质心所受合力的计算较复杂。符祥等[5]基于全局贪心原则，提出了一种有向传感器网络覆盖算法。以节点各方向下一重覆盖区域的大小为优先级，优先确定一重覆盖区域面积最大的传感器节点方向，减少重叠覆盖区域。解决控制问题的方法还有很多，如覆盖控制算法[13]，粒子群算法等。粒子群算法具有较快的收敛速度，但容易进入“早熟”状态。 顾等[1]混沌算法能很快的找到全局覆盖最优值，只能迭代60次，但混沌搜索式的随机性，遍历性不如junxiao等[6]圆映射公式好，junxiao等考虑了移动节点的能量，很好地实现了覆盖，但是只针对全向传感器。李靖等[11]的粒子群算法融入了模拟退火和轮盘赌的思想，很好地解决了粒子群算法易陷入局部解，但此算法的覆盖提高率并不高。 在本文只针对覆盖问题，在顾[1]的基础上，寻找全局最优值，对混沌粒子群算法进行改进，进一步提高网络覆盖性。与顾和李靖的模拟退火相比此算法具有更好的优越性。该算法利用粒子群算法较快的收敛速度和混沌搜索的遍历性、随机性，不仅保证了算法的收敛速度，而且有效避免了基本粒子群算法的“早熟”现象。仿真实验证明，该算法能有效地优化节点布局，扩大网络覆盖率。 本文章节如下：第2节介绍网络模型，第3节详细介绍混沌粒子群覆盖优化算法；第4节是仿真实验和仿真分析。 2网络模型 2.1 有向感知模型 通常把感知模型抽象为一个四元组 H a r b i n I n s t i t u t e o f T e c h n o l o g y 智能优化课程设计 课程名称：智能优化算法 论文题目：混沌优化算法 院系： 班级： 设计者： 学号： 第一章混沌理论概述 引言 混沌是指确定动力系统长期行为的初始状态,或系统参数异常敏感, 却又不发散, 而且无法精确重复的现象, 它是非线性系统普遍具有的一种复杂的动力学行为。混沌变量看似杂乱的变化过程, 其实却含有内在的规律性。利用混沌变量的随机性、遍历性和规律性可以进行优化搜索, 其基本思想是把混沌变量线性映射到优化变量的取值区间, 然后利用混沌变量进行搜索。但是, 该算法在大空间、多变量的优化搜索上, 却存在着计算时间长、不能搜索到最优解的问题。因此, 可利用一类在有限区域内折叠次数无限的混沌自映射来产生混沌变量,并选取优化变量的搜索空间, 不断提高搜索精度等方法来解决此类难题。 混沌是非线性科学的一个重要分支, 它是非线性动力系统的一种奇异稳态演化行为, 它表征了自然界和人类社会中普遍存在的一种复杂现象的本质特征。因此, 混沌科学倡导者Shlesinger和著名物理学家Ford 等一大批混沌学者认为混沌是20 世纪物理学第三次最大的革命, 前两次是量子力学和相对论, 混沌优化是混沌学科面对工程应用领域的一个重要的研究方向。它的应用特点在于利用混沌运动的特性, 克服传统优化方法的缺陷, 从而使优化结果达到更优。 1.混沌的特征 从现象上看，混沌运动貌似随机过程，而实际上混沌运动与随机过程有着本质的区别。混沌运动是由确定性的物理规律这个内在特性引起的，是源于内在特性的外在表现，因此又称确定性混沌，而随机过程则是由外部特性的噪声引起的。混沌有着如下的特性: （1）内在随机性 混沌的定常状态不是通常概念下确定运动的三种状态:静止、周期运动和准周期运动，而是一种始终局限于有限区域且轨道永不重复的，形势复杂的运动。第一，混沌是固有的，系统所表现出来的复杂性是系统自身的，内在因素决定的，并不是在外界干扰下产生的，是系统的内在随机性的表现。第二，混沌的随机性是具有确定性的。混沌的确定性分为两个方面，首先，混沌系统是确定的系统;其次，混沌的表现是貌似随机，而并不是真正的随机，系统的每一时刻状态都受到前一状态的影响是确定出现的，而不是像随机系统那样随意出现，混沌系统的 第22卷第4期物理学进展Vol.22,No.4 2002年12月PROGRESS IN PHYSICS Dec.,2002文章编号:1000O0542(2002)04O0383O23 保守系统的混沌控制 许海波1,陈绍英2,3,王光瑞1,陈式刚1 (1.北京应用物理与计算数学研究所,北京100088; 2.中国工程物理研究院北京研究生部,北京100088; 3.呼伦贝尔学院物理系,呼伦贝尔021008) 摘要:保守系统的混沌控制是一个重要而富有挑战性的研究课题。由于L iouv ille定理 的限制和初始条件的特殊作用,使得适用于耗散系统的混沌控制方法不能直接用于保守系 统。本文通过对耗散系统和保守系统混沌运动的特征进行分析和比较,阐述了保守系统混沌 运动的规律,总结了近期研究过程中一些典型的基本理论和方法,综述了近年来保守系统混 沌控制的相关进展和我们在保守系统的混沌控制方面所做的工作,并对保守系统混沌控制的 应用和发展方向进行了展望。 关键词:混沌控制;保守系统;标准映象;KAM环 中图分类号:O415.5文献标识码:A 0引言 混沌运动的基本特征是运动轨道的不稳定性,表现为对初值的敏感依赖性,或对小扰动的极端敏感性。因此,混沌控制就成为混沌研究和应用的重要方向。混沌控制注重于分析混沌系统对外加驱动信号的响应,研究这种非线性响应规律,并考虑如何利用这种响应规律来影响和改造混沌运动将其引向人们所期望的目标。1989年,Hubler和L scher 发表了控制混沌的第一篇文章[1]。1990年,Ott,Grebogi和Yorke基于有无穷多的不稳定周期轨道嵌入在混沌吸引子中这一事实,通过对系统参数作小扰动并反馈给系统,实现了把系统的轨道稳定在无穷多不稳定周期轨道的一条特定轨道上。这就是著名的OGY 混沌控制方法(或称参数微扰法)[2]。之后,混沌控制的理论与应用研究蓬勃发展,人们提出了一系列控制混沌的方法[3~37]。混沌控制目标也由最初的不动点、低周期轨道的稳定发展到高周期轨道、准周期轨道的稳定;控制的对象也由最初的低维系统发展到高维系统,乃至于无穷维系统(时空混沌)[38~41]。混沌控制正在逐步形成系统化的理论体系。 收稿日期:2002O09O23 基金项目:国家重点基础研究专项经费资助,国家自然科学基金(Nos.19835020,19920003);国家自然科学基金理论物理专款(No.10147201);中国工程物理研究院基金资助项目(N o.20000440) 第20卷第1期计算技术与自动化V o l120 N o11 2001年3月COM PU T I N G T ECHNOLO GY AND AU TOM A T I ON M arch 2001文章编号:1003—6199(2001)01—0001—05 混沌优化方法的研究进展 王 凌1,郑大钟1,李清生2 (1.清华大学自动化系,北京100084;2.北京航空航天大学理学院,北京100083) 摘 要:混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点。由于遍历性可作为避免搜 索过程陷入局部极小的有效机制,因此混沌已成为一种新颖且有潜力的优化工具。为了让混沌优化这一新兴研究方向为更多工作者所了解,此文综述了混沌优化方法的研究进展,包括基于混沌的函数优化与基于混沌神经网络的组合优化,并在分析混沌优化特点的基础上讨论了有待发展的若干研究课题。 关键词:混沌;优化;神经网络 中图分类号:TP301 文献标识码:A Survey on Chaoti c Opti m i za ti on M ethods W A N G L ing1,ZH EN G D a-zhong1,L IN Q ing-sheng2 (1.D ep t.of A utom ati on,T singhua U niversity,Beijing100084;2.D ep t.O f Physics,BUAA100083) Abstract:Chaos is a universal nonlinear phenom enon w ith stochastic p roperty,ergodic p roperty and regular p rop2 erty,w hose ergodicity can be used as a kind of m echanis m for op ti m izati on to effectively avoid the search being trapped in l ocal op ti m um,s o that chaos has been a novel and p rom ising tool for gl obal op ti m izati on.In this paper,a survey on chaotic op ti m izati on including functi onal op ti m izati on based on chaos and com binatorial op ti m izati on based on chaotic neural network has been p resented,the features of chaotic op ti m izati on have been analyzed,as w ell as s om e corres ponding studies to be i m p roved have been discussed. Key words:chaos;op ti m izati on;neural networks 1 引言 混沌是一种普遍的非线性现象,其行为复杂且类似随机,但存在精致的内在规律性。混沌的发现,对科学的发展具有空前深远的影响。近年来,混沌控制[1]、混沌同步[2]和混沌神经网络[3]受到了广泛关注,并展现出诱人的应用与发展前景。混沌具有其独特性质:①随机性,即混沌具有类似随机变量的杂乱表现;②遍历性,即混沌能够不重复地历经一定范围内的所有状态;③规律性,即混沌是由确定性的迭代式产生的。介于确定性和随机性之间,混沌具有丰富的时空动态,系统动态的演变可导致吸引子的转移。最重要的是,混沌的遍历性特点可作为搜索过程中避免陷入局部极小的一种优化机制,这与模拟退火的概率性劣向转移和禁忌搜索的禁忌表检验存在明显的区别。因此,混沌已成为一种新颖的优化技术,并受到广泛重视和大量研究。为了让混沌优化这一新兴研究方向为更多工作者所了解,本文对混沌优化方法的研究进展进行了综述,分析了各类混沌优化的特点,包括混沌在函数优化与组合优化中的应用,并讨论 收稿日期:2000-09-10 基金项目:国家自然科学基金项目(69684001)和国家攀登计划项目 作者简介:王凌,(1972—),男,博士、讲师,研究方向:优化算法及其应用、神经网络、HD S等。 —180 — 基于Tent 混沌序列的粒子群优化算法 田东平1,2 (1. 宝鸡文理学院计算机软件研究所,宝鸡 721007;2. 宝鸡文理学院计算信息科学研究所,宝鸡 721007 摘要:针对粒子群优化算法易陷入局部极值和进化后期收敛速度缓慢的问题,提出基于Tent 混沌序列的粒子群优化算法,应用Tent 映射初始化均匀分布的粒群,提高初始解的质量,设定粒子群聚集程度的判定阈值,并引入局部变异机制和局部应用Tent 映射重新初始化粒群的方法,增强算法跳出局部最优解的能力,有效避免计算的盲目性,从而加快算法的收敛速度。仿真实验结果表明,该算法是有效的。关键词:粒子群优化算法;Tent 映射;变异机制;判定阈值;收敛速度 Particle Swarm Optimization Algorithm Based on Tent Chaotic Sequence TIAN Dong-ping 1,2 (1. Institute of Computer Software, Baoji University of Arts and Science, Baoji 721007; 2. Institute of Computational Information Science, Baoji University of Arts and Science, Baoji 721007 【Abstract 】Aiming at the problems of easily getting into the local optimum and slowly converging speed of the Particle Swarm Optimization(PSO algorithm, a new PSO algorithm based on Tent chaotic sequence is proposed. The uniform particles are 龙源期刊网 https://www.doczj.com/doc/6416601365.html, 基于RSSI测距定位算法的研究和改进 作者：何沃林 来源：《数字技术与应用》2017年第09期 摘要：RSSI的定位算法在实际应用中的定位精度较低。通过研究分析通信距离、环境参数和信号干扰等各种因素对RSSI值测量的影响，为提出高效的定位算法提供研究思路。结合缩短通信距离、改进节点坐标计算方法等几种方法的综合应用，实现对RSSI定位算法的改进和参数优化，提高其定位精度和抗干扰能力。通过对RSSI定位算法的改进和参数优化，提高其定位精度和抗干扰能力。 关键词：无线传感器网络；测距；RSSI；定位算法 中图分类号：TP273 文献标识码：A 文章编号：1007-9416（2017）09-0134-02 接收信号强度测距法RSSI（Received Signal Strength Indication）为基础的定位算法，被普遍运用于无线传感器网络节点定位之中。其理想情况是定位结果坐标为一个正确的位置点，但由于传输距离、信号干扰等诸多因素的影响，往往无法确保RSSI测量结果的精确度，使定位点位于一个存在一定误差的区域内，改正思路是在实际的应用中，对传统的RSSI定位算法进行改进和参数的优化，尽可能缩小这个误差区域。 1 影响RSSI定位精度的因素 1.1 通信距离与障碍物 通信距离将影响到无线电信号衰减量，在长距离传输过程中，信号受环境干扰较大。另外信道内存在障碍物，通过对信号的折射、反射等，会使得信号衰减不断加剧，最终也会对RSSI数值测量结果产生影响。在以下实验过程中，对四组典型环境参数进行选取，A均取值 为41，n则分别取值为2.6、2.8、3.0以及3.2。具体结果参见图1。可以看到，在测距距离不断加大的同时，各组环境参数之下的误差曲线均体现出误差持续增加的特性。若保持在5米之内，则误差增长相对缓慢，而一旦超过这一数值，则误差的增加将极为显著[1]。 此外，因为障碍物存在于信道之中，往往会产生反射、折射等影响，在加大通信距离之后，上述影响将因此而增大。RSSI数值的测量将因为障碍物而受到影响，导致传播进程中的信号损耗。 1.2 环境参数 在对RSSI数值进行计算时，所应用的环境参数是否和实际环境相符，是决定定位误差大小的关键。在上述不同通信距离定位误差测试的实验中，当参数A以及n分别为41以及2.8混沌算法
混沌优化算法算例
保守系统的混沌控制
混沌优化方法的研究进展
基于Tent混沌序列的粒子群优化算法概要
基于RSSI测距定位算法的研究和改进
相关主题
文本预览