리더 파레토 회색 늑대 최적화를 이용한 2D 초혼돈계의 다목적 설계

혼돈계는 무작위적이며 예측할 수 없는 행동을 나타내는 수학적 모델입니다. 그러나 기존의 혼돈계는 혼돈 지표에 대한 최적이 아닌 매개변수로 고통받고 있습니다. 본 연구에서는 2D 매개변수 초혼돈계(2D-PHS)의 다목적 설계를 위한 새로운 리더 파레토 회색 늑대 최적화기(LP-GWO)를 제안합니다. LP-GWO의 다목적 능력은 파레토 최적 집합 내에서 LP 해를 통합하여 개선됩니다. LP-GWO의 효과는 일반적인 다목적 버전의 회색 늑대 최적화기(GWO), 인공 벌집 군집, 입자 군집 최적화 및 차분 진화와의 비교를 통해 입증됩니다. 또한, 검증은 비교된 알고리즘에 의해 최적화된 2D-PHS의 네 가지 변형에서 LP-GWO의 성능 탐색으로 확장됩니다. 여덟 개의 매개변수를 가지는 2D-PHS 모델이 구상되고, 두 가지 목표인 리雅프노프 지수(LE)와 콜모고로프 엔트로피(KE) 간의 절충을 보장하여 LP-GWO를 이용해 최적화됩니다. 두 목표를 자유롭게 개선하기 위해 글로벌 최적 설계가 선택됩니다. 2D-PHS의 혼돈 성능은 정밀한 혼돈 지표 측면에서 기존 시스템을 현저히 능가합니다. 따라서 2D-PHS는 LP-GWO가 제공하는 최적의 매개변수 덕분에 최고의 에르고딕성과 불규칙성을 가집니다.