现有的受蚂蚁种群行为启发而产生的优化算法,大多都是基于随机搜索机制的非确定性的概率理论发展而来的。但是近年来生物学家Cole发现整个蚁群行为是一种周期行为,然而单个蚂蚁的行为却是混沌的。显然混沌现象用Dorigo依据概率理论建立的蚁群优化模型是无法解释的。单个蚂蚁的混沌行为与群体的自组织和捕食行为之间是一种什么关系,这一点目前并没有引起国际群智能理论研究者广泛的关注。 受蚂蚁的混沌行为和自组织行为的启发,本文将蚂蚁混沌动力学、群组织和优化机制进行有机的结合,首先提出了一个新的群智能优化模型,详细分析了这个模型的动力学行为,然后将其成功的应用到几个不同的领域,并且取得了很好的效果,从而形成了一个新的关于群智能优化和混沌优化算法的详细理论。论文主要研究内容如下: 首先,基于群智能理论和混沌理论,给出了一个新的算法模型,即混沌蚂蚁群优化算法模型,讨论了邻居间的信息交换,分析了模型的动力学行为,并成功地应用于函数优化问题,在相同条件下与粒子群和凯尔曼群的结果作了比较。同时讨论了算法与其他混沌优化算法、蚁群算法和粒子群算法的异同。 其次,将混沌蚂蚁群优化算法成功的应用于神经网络系统的训练和模糊系统的设计,并利用混沌蚂蚁群优化算法设计的模糊系统进行非线性动态系统辨识和非线性自适应控制。 再次,采用混沌蚂蚁群算法对PID控制器的参数进行整定,以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益相位裕度为约束条件建立了数学模型。 最后,采用混沌蚂蚁群算法对混沌系统进行参数估计,并以典型的Lorenz混沌系统为例进行了计算机模拟。 数值仿真表明,设计的混沌蚂蚁群优化算法是有效的可行的。