基于改进人工蜂群算法的非线性系统参数辨识

发布时间：2023-04-05 12:27

　　针对人工蜂群算法存在的收敛速度慢,易陷入局部最优等问题,提出一种结合遗传算法的交叉算子,并在算法后期引入高斯变异和混沌扰动的改进人工蜂群算法。为验证改进算法的性能和有效性,用典型测试函数进行对比测试,并将改进算法应用于非线性传递函数模型的参数辨识中。实验结果表明,改进的算法收敛速度快,收敛精度高,辨识效果好。

【文章页数】：3 页

【文章目录】：
1 人工蜂群算法原理
2 基于交叉、变异和混沌扰动的全局人工蜂群算法（CGC-
    2.1 交叉操作
    2.2 高斯变异和混沌扰动
        2.2.1 高斯变异
        2.2.2 混沌搜索
3 实验仿真与分析
    3.1 经典函数的数值优化实验与分析
    3.2 非线性系统模型辨识
4 结束语



本文编号：3783412