摘要

对于混沌系统参数辨识问题,提出用多策略改进鲸鱼优化算法(Multi-strategy Improved Whale Optimization Algorithm,MIWOA)辨识混沌系统参数。由于基本鲸鱼优化算法(Whale Optimization Algorithm,WOA)易陷入局部最优,收敛速度慢,收敛精度低。MIWOA首先采用Chebyshev混沌映射代替随机方法提高WOA初始种群的质量;其次,在WOA的包围捕食和螺旋更新阶段,收敛因子非线性化,增加自适应惯性权重,实现更好地平衡系统全局搜索和局部挖掘,提高收敛速度;最后,在WOA后期位置更新时,动态选择自适应t分布或蚁狮优化算法,增加种群多样性,跳出局部最优解。通过对10个基准函数和高维测试函数进行仿真实验,同时使用Wilcoxon秩和检验、MAE等方法评价MIWOA的性能。寻优结果表明本文的MIWOA具有普适性,在收敛精度和稳定性方面,优于已有经典算法。对R?ssler和Lü混沌系统进行数值仿真,相比现有成果,MIWOA辨识混沌系统是可行和有效的。