.png){kind=icon}
返回
A complex fractional-order chaotic evolutionary algorithm with memory modulation for continuous optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.chaos.2026.119154.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
复杂数值阶导数结合了非局部记忆属性与额外的动态调制能力，为智能优化方法的发展展现了巨大潜力。针对现有混沌驱动优化方法对长程历史信息利用不足的问题，本文提出了一种复杂数值阶混沌进化优化（CoCEO）算法。在整合超混沌扰动和微分交叉的框架下，该算法引入了Grünwald-Letnikov复杂数值阶历史记忆机制，并通过耦合当前状态与多个历史状态构建了记忆调制更新规则，从而增强了历史信息利用、搜索轨迹调控以及全局探索与局部开发的协同性。此外，CoCEO的更新关系被改写为矩阵递归形式，并利用特征多项式和历史模式暂态谱半径推导出固定参数下齐次历史记忆子系统渐近衰减的充分条件。基于CEC 2022的实验评估表明，CoCEO在优化精度、收敛速度和鲁棒性方面仍保持高度竞争力，证实了其对复杂连续优化问题的有效性。
Keyword:
Complex fractional-order derivatives
Hyperchaotic perturbation
Differential crossover
Multiple historical states
Convergence
期刊
C
IF:
5.6
论文数:
597
被引数:
0
机构
查看更多机构
引用论文
暂无论文信息