多模式混沌映射全局优化算法工具箱

资 源 简 介

本项目是一个基于MATLAB开发的综合性混沌优化算法（Chaos Optimization Algorithm, COA）代码库，旨在利用混沌变量的遍历性、随机性和初值敏感性来解决复杂的非线性全局优化问题。项目详细实现了多种经典的混沌系统作为搜索机制，涵盖了单维和多维混沌映射。具体功能模块包括：1. 基础混沌映射实现，代码内置了Logistic映射（用于生成经典的逻辑斯谛混沌序列）、Henon映射（二维离散混沌系统）、Duffing振子（非线性动力学系统）以及Lorenz系统（连续时间三维混沌吸引子）的数值解算与可视化；2. 高级优化策略，集成了Cheng's方法（一种改进的变尺度混沌优化策略，通常涉及两次载波过程以提高精度）以及时分混沌（Time-division/Time-fractional）机制，用于在搜索过程中动态调整混沌行为；3. 优化流程控制，通过载波技术（Carrier Wave Method）将混沌变量映射到待优化变量的取值区间，实现粗搜索（遍历搜索）和精搜索（局部微调）的结合；4. 性能评估，提供标准测试函数集，允许用户对比不同混沌映射（如Cheng's vs Logistic）在收敛速度、跳出局部陷阱能力上的差异，并生成相应的收敛曲线和相轨迹图。

详 情 说 明

多模式混沌全局优化算法 MATLAB 工具箱

项目简介

本项目是一个基于 MATLAB 开发的综合性混沌优化算法（Chaos Optimization Algorithm, COA）代码库。项目利用混沌动力学系统特有的遍历性（Ergodicity）、随机性和初值敏感性，旨在解决复杂的非线性全局优化问题。

该工具箱不仅实现了基础的混沌搜索策略，还集成了改进的 Cheng 氏变尺度混沌优化算法，并内置了多种经典混沌系统的数值解算与可视化模块，用于分析混沌行为特征。核心代码通过面向过程的方式组织，流程清晰，适合作为学习混沌优化机制或进行算法性能对比的实验平台。

主要功能特性

本项目在单一脚本中集成了以下核心功能模块：

1. 多样化的混沌系统动力学分析

工具箱内置了四种不同类型的混沌系统实现，用于展示混沌吸引子的形态及时间演化特征：

• Logistic 映射（一维）: 生成经典的离散混沌时间序列，展示倍周期分岔后的混沌状态。
• Henon 映射（二维）: 典型的二维离散动力系统，展示奇异吸引子结构。
• Lorenz 系统（三维连续）: 采用四阶 Runge-Kutta (RK4) 数值积分法求解微分方程，展示“蝴蝶效应”相位轨迹。
• Duffing 振子（非线性振动）: 同样采用 RK4 方法求解，展示非线性强迫振动下的相平面轨迹。

2. basic Chaos Optimization Algorithm (BCOA)

实现了最基础的混沌优化策略，利用 Logistic 映射生成混沌序列，通过载波技术将其线性映射到优化变量的取值区间。该方法主要依赖混沌的遍历性进行全空间盲搜索。

3. Cheng's Chaos Optimization Algorithm (CCOA)

实现了 Cheng 氏改进型混沌优化算法，采用“双载波”或“粗搜索-精搜索”结合的策略：

• 粗搜索阶段: 在迭代初期的 30% 阶段，利用混沌变量遍历整个解空间，快速定位潜在的全局最优区域。
• 变尺度精搜索阶段: 在迭代后期的 70% 阶段，以当前最优解为中心，引入动态收缩的搜索半径（类似于模拟退火或时分机制），在局部范围内利用混沌扰动进行微调，显著提高了求解精度。

4. 优化问题测试与可视化

• 基准测试: 默认配置了 Rastrigin 函数（多峰、高维、非线性）作为测试对象，变量维度设定为 30 维，极具挑战性。
• 性能对比: 自动绘制基础 COA 与 Cheng 氏 COA 的收敛曲线（对数坐标），直观展示两者在收敛速度和寻优精度上的差异。
• 轨迹分析: 可视化最优解在各维度上的分布情况，帮助分析算法在求解空间中的最终落点。

系统要求

• MATLAB R2016b 或更高版本
• 无需额外的工具箱（Toolbox），代码仅依赖 MATLAB 基础函数。

算法实现细节分析

代码通过主函数入口和多个子函数模块化实现，具体逻辑如下：

全局参数与问题定义

代码首先初始化全局控制参数，如最大迭代次数（默认为 2000 以充分展示收敛过程）。测试函数 Rastrigin 定义了 [-5.12, 5.12] 的搜索空间。虽然定义了种群规模参数，但在当前的算法实现中，主要采用单个体轨迹迭代模式。

Cheng 氏算法核心逻辑 (run_cheng_coa)

该函数是本项目的核心改进算法实现：

1. 初始化: 生成初始混沌变量 $z$ 和初始最优解。
2. 迭代控制: 设定 iter_switch 阈值为最大迭代次数的 30%。
3. 第一载波（粗搜索）: 当 $t le iter_switch$ 时，混沌变量 $z$ 被线性映射覆盖整个搜索空间 [lb, ub]。
4. 第二载波（精搜索）: 当 $t > iter_switch$ 时，进入局部搜索。

* 动态半径: 计算收缩因子 $lambda$，随着迭代进行，搜索半径从初始范围逐渐缩小，确保算法后期能稳定收敛。 * 扰动机制: 新解构造公式为 $x_{new} = x_{best} + radius times (z - 0.5)$，实现在最优解附近的随机混沌扰动。

1. 边界约束: 对每次生成的新解强制执行上下界约束。

基础算法核心逻辑 (run_basic_coa)

该函数作为对照组，逻辑相对简单：

1. 在整个迭代过程中（0% - 100%），始终使用 Logistic 映射产生混沌变量。
2. 每次迭代直接将混沌变量映射到全域搜索空间 [lb, ub]。
3. 仅记录历史最优值，不利用历史最优值指导后续搜索（无反馈机制），纯粹依赖概率遍历。

数值积分方法

在 visualize_chaos_attractors 中，对于连续时间系统（Lorenz 和 Duffing），代码显式实现了 四阶 Runge-Kutta (RK4) 算法。

• 将高阶微分方程降阶为一阶微分方程组。
• 通过四个斜率 $k1, k2, k3, k4$ 的加权平均来推进时间步长，保证了混沌系统模拟的数值稳定性。

使用方法

1. 启动 MATLAB。
2. 将当前目录切换至包含项目文件的文件夹。
3. 直接运行主程序入口（即 main 函数所在文件）。
4. 程序将依次执行以下步骤：

* 弹出 "Chaos System Analysis" 窗口，展示四种混沌系统的图形。 * 在命令行输出当前的测试函数信息及算法运行状态。 * 计算完成后，弹出 "Optimization Convergence Performance" 窗口，对比两条收敛曲线。 * 弹出 "Search Trajectory" 窗口，展示两个算法计算出的最优解向量分布。 * 在命令行打印最终找到的函数最小值（Best Score）。

结果说明

运行结束后，你可以观察到：

• 收敛曲线图: 红色实线（Cheng's COA）通常会比蓝色虚线（Basic COA）下降得更快且最终值更小（精度更高），体现了变尺度策略在后期精细搜索的优势。
• 命令行统计: Cheng 氏算法得到的目标函数值通常能接近理论最小值（对于 Rastrigin 函数，理论最小值为 0），而基础算法往往停留在较大的数值。