动态分级的并行混沌优化算法研究

针对混沌优化对初始值敏感、搜索精确解效率低等不足,提出了一种动态分级的并行混沌优化(DHPCO)算法。DHPCO算法采取三种级别的并行混沌机制,分别用于全局搜索、局部搜索及二者的结合,并且根据搜索阶段动态调整各种级别中并行变量的数目。描述了DHPCO算法的基本思想和实现步骤,分析了其收敛性。仿真实验验证了该算法比其他并行混沌优化算法性能更优。