摘要：针对一类输出函数具有多个极值点的极值搜索对象,当采用传统极值搜索算法时,系统的输出值将无法准确和平滑地收敛至全局极值点的问题,提出了一种利用基于混沌退火的参数扰动递归神经网络构建极值搜索算法的新方法.利用混沌的遍历性以及参数扰动策略,该极值搜索算法可使系统输出值在混沌退火和参数扰动的粗搜索中运动至它的全局极值点附近;然后利用递归神经网络的精搜索使之能够平滑和准确地收敛至全局极值点.同时,详细分析了此方法的收敛性条件、解的最优性条件以及全局极值搜索的能力,仿真结果验证了这种分阶段的搜索方法有助于提高极值搜索算法的全局极值搜索能力.

关键词：递归神经网络 退火 极值搜索算法 参数扰动 优化算法 

单位：海军航空工程学院控制工程系; 山东烟台264001; 海军航空工程学院战略导弹工程系; 山东烟台264001