论文部分内容阅读
混沌方法已成为一种新颖且有潜力的优化工具。之前出现的几种基于混沌优化改进算法,其改进的核心就是在混沌优化搜索过程中,用已具有一定精度的当前最优解为中心,不断缩小优化变量的搜索区间,调整、细化参数,使搜索更快、更有效地向最优解收敛。但这些改进算法也存在明显的不足,当搜索起始点选择不合适、遍历区间很大或控制参数选取不合适时,搜索结果很难达到或接近最优解,上述算法也可能需要花费很长的时间才能取得较好的优化性能,同样易再次陷入局部解。针对上述问题,提出一种通过不断初始化初始参数,充分利用混沌的遍历性,无需在迭代中