【摘要】：隨著信息技術(shù)的發(fā)展,優(yōu)化問(wèn)題日趨復(fù)雜,而傳統(tǒng)的優(yōu)化方法在尋優(yōu)時(shí)往往會(huì)有很大的局限性。以進(jìn)化優(yōu)化算法為主的現(xiàn)代優(yōu)化算法是從生物智能或物理現(xiàn)象上獲得啟發(fā)建立起來(lái)的,它們具有適于高度并行、全局性與自適應(yīng)等特點(diǎn),用目的性和系統(tǒng)性的過(guò)程代替?zhèn)鹘y(tǒng)的手工實(shí)驗(yàn)方法,為解決復(fù)雜問(wèn)題提供了一種新的途徑。在微波電路設(shè)計(jì)中,許多應(yīng)用問(wèn)題都要求元件優(yōu)化時(shí)要適應(yīng)于各類(lèi)型的設(shè)計(jì)變量、指標(biāo)約束及單元組合結(jié)構(gòu)的線性、非線性等。HFSS作為微波電路設(shè)計(jì)中的一款重要的電磁仿真軟件,為用戶(hù)提供了簡(jiǎn)明易用的建模界面和功能強(qiáng)大的處理器,能夠計(jì)算分析各種復(fù)雜3D無(wú)源元件的電磁特性。粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)作為一種經(jīng)典的群智能進(jìn)化算法,由于其原理簡(jiǎn)單,較易實(shí)現(xiàn)等特點(diǎn)而被廣泛研究和應(yīng)用。本文對(duì)該算法深入研究,為了加快優(yōu)化速度,提高收斂精度,提出了一種基于PSO的隊(duì)伍演化算法(Team Evolutionary Algorithm,TeamEA),并將其與HFSS軟件的接口腳本相結(jié)合,完成微波元件的建模、仿真與優(yōu)化。主要工作概括如下:1.對(duì)PSO算法的基本概念、實(shí)現(xiàn)方法及其存在的問(wèn)題進(jìn)行分析描述,進(jìn)一步闡述了該算法的研究現(xiàn)狀和研究趨勢(shì)。2.對(duì)優(yōu)化算法中一些常用的測(cè)試函數(shù)深入研究,將原有測(cè)試函數(shù)進(jìn)行旋轉(zhuǎn)平移操作,新得到的測(cè)試函數(shù)更加復(fù)雜多變,對(duì)算法的性能提出了更高的要求,用于檢驗(yàn)算法對(duì)于現(xiàn)實(shí)存在的許多未知結(jié)構(gòu)或空間的適應(yīng)能力與尋優(yōu)能力。3.對(duì)于PSO算法存在的一些不足,引入多種群策略,提出了隊(duì)伍演化算法。該算法將優(yōu)化過(guò)程分為兩個(gè)階段:第一階段為保持多樣性,把隊(duì)員分成若干個(gè)初級(jí)隊(duì)伍并行優(yōu)化,形成高級(jí)隊(duì)伍;后一階段為提高收斂速度,僅對(duì)高級(jí)隊(duì)伍進(jìn)行優(yōu)化。在整個(gè)優(yōu)化過(guò)程中,根據(jù)評(píng)估隊(duì)員所取得的成績(jī),動(dòng)態(tài)控制隊(duì)員的調(diào)整步長(zhǎng)和最大調(diào)整空間,同時(shí)產(chǎn)生教練組,為隊(duì)員的進(jìn)步方向提供指導(dǎo)。通過(guò)高維多峰測(cè)試函數(shù)及其旋轉(zhuǎn)平移函數(shù)進(jìn)行測(cè)試比較,驗(yàn)證了算法的優(yōu)越性和有效性。4.研究通過(guò)宏命令控制HFSS軟件實(shí)現(xiàn)自動(dòng)建模,使用VBscript腳本語(yǔ)言實(shí)現(xiàn)Matlab與HFSS的聯(lián)合仿真,利用隊(duì)伍演化算法的尋優(yōu)能力和HFSS強(qiáng)大的電磁分析能力,實(shí)現(xiàn)一種基于隊(duì)伍演化算法和電磁仿真軟件HFSS的優(yōu)化方案。5.將該優(yōu)化方案應(yīng)用于微波電路設(shè)計(jì)中,通過(guò)對(duì)1.2~1.5 GHz發(fā)卡型濾波器、WLAN天線的成功設(shè)計(jì)優(yōu)化,實(shí)驗(yàn)結(jié)果表明了基于隊(duì)伍演化算法和HFSS軟件的優(yōu)化方案的有效性和應(yīng)用價(jià)值。
[Abstract]:With the development of information technology, the optimization problem is becoming more and more complex, but the traditional optimization methods often have great limitations. The modern optimization algorithms, which are mainly evolutionary optimization algorithms, are constructed from the inspiration of biological intelligence or physical phenomena. They are suitable for highly parallel, global and adaptive, and so on. It provides a new way to solve complex problems by replacing the traditional manual experiments with purposeful and systematic processes. In microwave circuit design, many application problems require element optimization to adapt to various types of design variables, index constraints and the linearity of unit combination structures. As an important electromagnetic simulation software in microwave circuit design, HFSS provides users with a simple and easy to use modeling interface and powerful processor, which can calculate and analyze the electromagnetic characteristics of various complex 3D passive components. As a classical swarm intelligence evolutionary algorithm, particle swarm optimization (Particle Swarm) has been widely studied and applied due to its simple principle and easy implementation. In this paper, in order to accelerate the optimization speed and improve the convergence accuracy, a team evolution algorithm (Team Evolutionary algorithm based on PSO is proposed, which is combined with the interface script of HFSS software to complete the modeling, simulation and optimization of microwave components. The main work is summarized as follows: 1. The basic concept, implementation method and existing problems of PSO algorithm are analyzed and described. Some commonly used test functions in the optimization algorithm are deeply studied, and the original test functions are rotated and translated. The new test functions are more complex and changeable, and the performance of the algorithm is required higher. It is used to test the adaptability and optimization ability of the algorithm to many unknown structures or spaces in reality. For the shortcomings of PSO algorithm, a team evolution algorithm is proposed by introducing a variety of group strategies. The algorithm divides the optimization process into two stages: in the first stage, the players are divided into several junior teams to form a senior team in parallel, and in the latter stage, only the senior team is optimized to improve the convergence speed. In the whole optimization process, according to the evaluation of the achievements of the players, the dynamic control of the players to adjust the step size and the maximum adjustment space, at the same time, the production of coaching staff, to provide guidance for the direction of improvement of the players. The advantages and effectiveness of the algorithm are verified by comparing the high dimensional multimodal test function and its rotation translation function. The automatic modeling is realized by controlling HFSS software by macro command, the joint simulation of Matlab and HFSS is realized by using VBscript script language, and the optimization ability of team evolution algorithm and the powerful electromagnetic analysis ability of HFSS are used. To realize an optimization scheme based on team evolution algorithm and electromagnetic simulation software HFSS. 5. The optimization scheme is applied to microwave circuit design. The successful design of 1.2U 1.5 GHz filter antenna shows the effectiveness and application value of the optimized scheme based on team evolution algorithm and HFSS software.
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN454;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龔文引;謝丹;;針對(duì)本科生的演化算法教學(xué)探討[J];計(jì)算機(jī)時(shí)代;2012年07期

2 熊盛武,李元香,康立山,陳毓屏;用演化算法求解拋物型方程擴(kuò)散系數(shù)的識(shí)別問(wèn)題[J];計(jì)算機(jī)學(xué)報(bào);2000年03期

3 曾三友,康立山,丁立新;基于偏序關(guān)系的演化算法[J];計(jì)算機(jī)工程;2001年08期

4 周永華,毛宗源;基于混合雜交與間歇變異的演化算法[J];計(jì)算機(jī)工程與應(yīng)用;2003年06期

5 閆震宇,康立山,陳毓屏,付朋輝;一種新的多目標(biāo)演化算法——穩(wěn)態(tài)淘汰演化算法[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2003年01期

6 王濤,李歧強(qiáng);基于空間收縮的并行演化算法[J];中國(guó)工程科學(xué);2003年03期

7 何國(guó)良,李元香;多個(gè)粒子參與交叉的一種動(dòng)態(tài)演化算法[J];計(jì)算機(jī)工程與應(yīng)用;2004年08期

8 劉敏忠,鄒秀芬,康立山;一種基于偏序排名的高效的多目標(biāo)演化算法[J];小型微型計(jì)算機(jī)系統(tǒng);2004年12期

9 王龍奎,汪祖柱;關(guān)于多目標(biāo)演化算法的策略分析[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

10 田麗,林錦國(guó),劉建峰,張光云;基于演化算法的客戶(hù)關(guān)系管理系統(tǒng)研究[J];微處理機(jī);2005年03期

相關(guān)會(huì)議論文 前3條

1 馮珊;李鋒;周凱波;;面向演化算法應(yīng)用的智能體系統(tǒng)建模與仿真研究[A];西部開(kāi)發(fā)與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第12屆年會(huì)論文集[C];2002年

2 張文俊;謝曉鋒;馬君;;并行演化算法在半導(dǎo)體器件綜合中的應(yīng)用[A];2006年全國(guó)開(kāi)放式分布與并行計(jì)算學(xué)術(shù)會(huì)議論文集（二）[C];2006年

3 謝柏橋;戴光明;鄭蔚;王劍文;;有指導(dǎo)的多目標(biāo)演化算法在區(qū)域星座設(shè)計(jì)中的應(yīng)用[A];中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專(zhuān)業(yè)委員會(huì)第四屆學(xué)術(shù)年會(huì)論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 彭晟;演化算法的靜電場(chǎng)論模型[D];武漢大學(xué);2011年

2 陳明;演化算法漸近行為的若干問(wèn)題研究[D];武漢大學(xué);2012年

3 彭飛;實(shí)值演化算法投資組合研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

4 萬(wàn)書(shū)振;動(dòng)態(tài)環(huán)境下差分演化算法研究與應(yīng)用[D];武漢理工大學(xué);2012年

5 魏波;交互式與自適應(yīng)演化算法研究[D];武漢大學(xué);2013年

6 賴(lài)鑫生;演化算法與混合算法的性能研究[D];華南理工大學(xué);2014年

7 武志峰;差異演化算法及其應(yīng)用研究[D];北京交通大學(xué);2009年

8 陳天石;演化算法的計(jì)算復(fù)雜性研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

9 龔文引;差分演化算法的改進(jìn)及其在聚類(lèi)分析中的應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué);2010年

10 吳志健;演化優(yōu)化及其在微分方程反問(wèn)題中的應(yīng)用[D];武漢大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 楊穎;一種多差分向量的自適應(yīng)差分演化算法[D];浙江大學(xué);2015年

2 陳偉;隊(duì)伍演化算法及其在微波電路設(shè)計(jì)中的應(yīng)用[D];杭州電子科技大學(xué);2015年

3 戴志晃;一種基于熵量守恒的改進(jìn)演化算法的研究[D];江西理工大學(xué);2010年

4 潘偉豐;一種基于平均矢量偏差的仿生演化算法[D];江西理工大學(xué);2008年

5 胡中波;差分演化算法及其在函數(shù)優(yōu)化中的應(yīng)用研究[D];武漢理工大學(xué);2006年

6 李程俊;組合優(yōu)化問(wèn)題的并行演化算法研究[D];武漢理工大學(xué);2003年

7 趙永翔;多目標(biāo)差分演化算法的構(gòu)造及其應(yīng)用[D];武漢理工大學(xué);2007年

8 張?chǎng)?協(xié)同演化算法及其在組合投資中的研究與應(yīng)用[D];哈爾濱工程大學(xué);2011年

9 顏穎;異步分層并行演化算法及其在模糊聚類(lèi)分析中的應(yīng)用[D];廈門(mén)大學(xué);2006年

10 程鋼;基于差分演化算法的圖像聚類(lèi)研究[D];湖北工業(yè)大學(xué);2015年

，

本文編號(hào)：2197600