混沌人工神经网络的特性研究与混沌控制及其在联想记忆中的应用

混沌现象普遍存在于人脑活动中，混沌动态与人工神经网络的结合为实现真实世界智能计算提供了新契机，混沌神经网络在组合优化、联想记忆和人工智能等领域具有广阔的应用前景，各领域对混沌神经网络的适用性和混沌控制的灵活性提出了更高的要求。为了探索混沌神经网络动态特性，提高混沌神经网络性能，建立满足大规模联想记忆应用需求的自适应混沌神经网络模型，本课题拟基于数学推理和大量实验，利用数据统计分析的方法，形成混沌神经网络的特性分析结果，构造混沌神经网络的特性分布与参数调节模型，用于指导混沌神经网络的性能提高和混沌动态控制；构建灵活的自适应混沌动态控制策略，实现混沌神经网络中混沌动态的多运行轨迹变换，并将得到的特性模型和控制策略应用于联想记忆，提出具有自适应多对多联想记忆功能的混沌神经网络算法；同时研究增加网络存储容量和应用效率的优化算法，使得本课题的算法和模型适用于实际的应用系统。

混沌动态为计算机模拟人类大脑的思考记忆行为提供了新方法。嵌入了混沌动态特性的人工神经网络模型可以获得更强的适应性和问题解决能力，并在联想记忆功能方面具有更优的应用效率和存储能力。本项目利用数据统计分析的方法，通过大量的实验结果分析，对组合优化问题的求解过程分析，形成新型混沌神经网络的模型构建、神经网络混沌动态的控制规则抽取，混沌动态与参数分布的关系构建，并最终利用构建的混沌神经网络模型对多类组合优化问题求解，获得了优良的求解性能和模型优化效果。并且，本项目分析了延迟混沌神经网络独特的混沌动态特性，并建立了基于延迟混沌神经网络的组合优化问题求解模型，指出了原延迟混沌神经网络存在的不足之处，并将新的网络模型应用于联想记忆和最大团求解问题，效果良好。本项目所提出方法和算法丰富了混沌神经网络的混沌控制理论。从混沌动态研究延伸，本项目探讨了复杂动态特性（包括混沌动态、随机动态和启发动态等）在网络模型优化和动态控制方面的特性，形成了针对多个人工神经网络的特征分布与参数调节模型，并利用阻尼振荡的方法控制复杂动态，构建灵活的混沌动态控制策略，形成多运行轨迹的跳转，并在组合优化问题上通过实验验证了相关方法。基于前期的工作，我们构建了带有混沌特性的联想记忆模型，利用混沌动态的作用，形成了一个多对多的联想记忆模型。由于收敛过程中复杂控制的问题，此模型在联想与记忆的正确性上还有大量的工作需要深入研究。同时，在研究过程中，我们拓展研究了混沌神经网络与群智能算法的融合和优化，提出了针对通道分配问题的竞争霍普菲尔德网络与遗传算法的融合求解算法，并取得了优良的实验结果。随后，进一步融合了最新的蜂群智能算法，扩大验证了融合算法的有效性。