[发明专利]基于邻域信息优化算法的混沌系统参数估计方法

摘要

本发明公开一种基于邻域信息优化算法的混沌系统参数估计方法，将邻域信息共享思想整合到粒子群算法中，通过跟踪粒子的个体极值、邻域极值和种群的全局极值来更新粒子的速度和位置，充分利用了搜索过程粒子间的演化信息，增加了粒子的多样性，避免了算法早熟收敛，具有高效搜索和全局搜索的能力，以达到实现最佳参数估计效果。

主权项

1.一种基于邻域信息优化算法的混沌系统参数估计方法，其特征在于，包括如下步骤：（1）由混沌系统产生T个混沌离散时间序列(x(t),y(t),z(t))，其中(x(t),y(t),z(t))为混沌系统的状态变量，t为从1到T的一系列离散时间序列；（2）初始化；确定粒子群的种群规模M，维数大小D，粒子的位置向量为s_i=(s_i1,s_i2,...,s_iD)，粒子对应的速度向量为v_i=(v_i1,v_i2,...,v_iD)，i=1,2,...,M，学习因子c₁=c₂=c₃=1.4962，最大速度V_max，每个邻域粒子数N，使MmodN=0，迭代次数k=1，最大迭代次数K_max；（3）计算各粒子的适应度函数；根据混沌系统变量的离散时间序列，确定估计参数对应的适应度函数，其公式为：eik=Σt=1T{(x(t)-xik(t))2+(y(t)-yik(t))2+(z(t)-zik(t))2}]]>其中，t为从1到T的一系列离散时间序列，为第k次迭代粒子群优化后获得参数所对应的系统状态变量序列，(x(t),y(t),z(t))为测得的真实系统状态变量序列；（4）确定邻域方案；若k<K_max，采用构造q=M/N个邻域；反之，采用构造q=M/N个邻域，j=1,2,...,q；每个邻域的第一个粒子可接受全局信息，其他粒子只接受邻域信息；（5）第k+1次迭代，粒子根据如下公式更新速度和位置：vik+1=wvik+c1r1(pik-sik)+c2r2(pgk-sik)Yi+c3r2(plik-sik)(1-Yi)]]>sik+1=sik+vik+1]]>其中：i=1,2,...,M，M为群体规模，w为惯性权重；c₁,c₂,c₃为学习因子，r₁,r₂取[0,1]之间均匀分布的随机数，为第i个粒子经历的最好位置，为所有粒子种群经历的最好位置，为第i个粒子对应邻域中所有粒子经历的最好位置，Y_i为邻域学习能力函数，取[0,1]之间的常数或随机数，以区别粒子获取全局或邻域知识的能力；（6）如果达到最大迭代次数k=K_max，则寻优结束，所得到的全局最优值即为混沌系统参数估计的最优参数值，停止；否则，k:=k+1，转向步骤（3）。