基于量子混沌粒子群优化算法的分数阶超混沌系统参数估计

• 作者: 刘凤娴 闫涛 陈斌
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 量子粒子群优化算法 混沌映射 混沌吸引子 分数阶超混沌系统
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 333-340
• 页数: 8页
• 分类号: TP18
• 字数: 5449字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.02.011

摘要

为了对分数阶超混沌系统中的未知参数进行准确估计,提出一种量子混沌粒子群优化算法(Quantum chaos particle swarm optimization,QCPSO).该算法通过对量子粒子群优化算法(Quantum behaved particle swarm optimiza-tion,QPSO)的实现机理进行分析,并结合量子纠缠与混沌系统之间的相关性而实现.首先,将量子势阱中心视为混沌吸引子围绕的不动点,处于吸引子外部的粒子会逐渐聚集于吸引子之内,而处于吸引子内部的粒子会出现快速分离扩散的现象;然后,采用基于随机映射的粒子更新机制,充分保证混沌粒子的初值多样性;最后,提出了基于不动点中心的尺度自适应策略,解决了算法后期的搜索停滞问题.运用QCPSO算法对典型分数阶超混沌系统参数进行估计,结果表明,该算法在收敛速度与精度上优于改进的差分进化算法、自适应人工蜂群算法以及改进的量子粒子群优化算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈斌	中国科学院广州电子技术研究所	105	1004	16.0	28.0
2	闫涛	山西大学计算机与信息技术学院	3	4	1.0	2.0
6	刘凤娴	中国科学院广州地球化学研究所	1	3	1.0	1.0