基于混沌退火和参数扰动的神经网络极值控制方法及系统

摘要

本发明提出一种基于混沌退火和参数扰动的神经网络极值控制方法及系统，控制方法采取将极值搜索系统的控制问题转化为求解此被控系统的输出函数中斜率为零的极值点问题；根据所述的极值点求解问题，构造一对具有约束条件的对偶问题；建立一种基于混沌退火和参数扰动的神经网络求解对偶问题，其中包括：混沌退火初始搜索阶段、参数扰动中间搜索阶段和神经网络的最终搜索阶段；通过所述的神经网络极值控制方法的求解，可以得到全局最优的搜索变量；根据所得的全局最优的搜索变量，驱使极值搜索系统的输出值收敛至输出函数的全局极值点，从而实现极值搜索系统的控制目的。本发明提出的控制系统分为：模型仿真模式和实时控制模式，分别从离线模型仿真和实时系统控制两方面，实现本发明所述控制方法在极值搜索系统中的应用。

主权项

1、一种基于混沌退火和参数扰动的神经网络极值控制方法，其特征包括：步骤10)、将极值搜索系统的控制问题转化为求解此被控系统的输出函数中斜率为零的极值点问题；步骤20)、根据所述的极值点求解问题，构造一对具有约束条件的对偶问题；步骤30)、根据所述的具有约束条件的对偶问题，建立一种基于混沌退火和参数扰动的神经网络极值控制方法；步骤40)、通过所述的神经网络极值控制方法的求解，可以得到全局最优的搜索变量；步骤50)、根据所得的全局最优的搜索变量，驱使极值搜索系统的输出值收敛至输出函数的全局极值点，从而实现极值搜索系统的控制目的。