針對(duì)引力搜索算法初始值的隨機(jī)性對(duì)算法性能以及收斂速度帶來的不利影響,提出了一種改進(jìn)算法——偽反向?qū)W習(xí)引力搜索算法。首先將偽反向?qū)W習(xí)機(jī)制用于算法中,并且把算法的迭代次數(shù)分為多個(gè)學(xué)習(xí)周期,根據(jù)過往學(xué)習(xí)周期中反向?qū)W習(xí)的成功率來調(diào)整反向概率,設(shè)計(jì)了一種可調(diào)反向概率,用以優(yōu)化反向機(jī)制在算法演化過程中的作用時(shí)機(jī),提高了算法的收斂速度;其次為改善反向?qū)W習(xí)操作頻繁對(duì)種群多樣性帶來的削弱,定義了"精英粒子",用其替換掉種群中適應(yīng)度值較差的個(gè)體,提高了算法的優(yōu)化精度。與已有文獻(xiàn)中的算法相比,改進(jìn)算法對(duì)單峰及多峰測(cè)試函數(shù)的平均最優(yōu)值優(yōu)化精度可提高1016;對(duì)不同類型波束的賦形結(jié)果中,改進(jìn)算法對(duì)方向圖旁瓣的優(yōu)化精度可提高1.26dB至5.99dB;在收斂速度最快的前提下,很大程度避免了其他幾種優(yōu)化算法易陷入局部最優(yōu)的問題,整體性能最佳。 

【文章來源】：西安電子科技大學(xué)學(xué)報(bào). 2020,47(02)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

不同算法優(yōu)化得到的余割波束方向圖

圖1 不同算法優(yōu)化得到的余割波束方向圖綜上，QOGSA算法的收斂速度和優(yōu)化精度均優(yōu)于另外的4種算法。從表2中的結(jié)果可以看出，采用QOGSA算法優(yōu)化得到的主瓣展寬相當(dāng)，主瓣抖動(dòng)最小。在此基礎(chǔ)上，改善最明顯的是峰值旁瓣電平，分別比其他算法降低了4.54dB,3.19dB,3dB和1.26dB，其中粒子群優(yōu)化算法對(duì)旁瓣電平及主瓣寬度的優(yōu)化結(jié)果最差，引力搜索算法次之，飛蛾撲火算法的優(yōu)化結(jié)果和引力搜索算法相當(dāng)，IGSA算法僅次于QOGSA的優(yōu)化效果。QOGSA以快于其他算法的收斂速度得到了最優(yōu)解。

優(yōu)化目標(biāo)：設(shè)計(jì)一個(gè)26元等間隔直線陣列，陣元間距等于半波長(zhǎng)，主瓣寬度為10°，要求θ∈[50°，85°]∪[95°，130°]的峰值旁瓣電平低于-30dB，θ∈[0°，50°]∪[130°，180°]的峰值旁瓣電平低于-40dB。在式（2）中，主旁瓣區(qū)域的誤差權(quán)值系數(shù)設(shè)置為0,0.4,0.6，算法的最大迭代次數(shù)均為300次。利用5種算法對(duì)激勵(lì)電流進(jìn)行優(yōu)化，優(yōu)化結(jié)果如圖3和圖4所示。圖4 不同算法優(yōu)化階梯包絡(luò)的收斂曲線比較

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)布谷鳥算法用于陣列天線方向圖優(yōu)化[J]. 梁爽,孫庚,劉衍珩.  西安電子科技大學(xué)學(xué)報(bào). 2019(01)
[2]一種動(dòng)態(tài)分群帶熵權(quán)的粒子群優(yōu)化方法[J]. 劉道華,胡秀云,趙巖松,崔玉爽.  西安電子科技大學(xué)學(xué)報(bào). 2018(06)
[3]改進(jìn)的引力搜索算法用于陣列天線方向圖綜合[J]. 孫翠珍,丁君,蘭建鋒,郭陳江,袁建濤.  西北工業(yè)大學(xué)學(xué)報(bào). 2017(05)
[4]混合入侵雜草算法用于陣列天線波束賦形[J]. 劉燕,焦永昌,張亞明,王新寬.  西安電子科技大學(xué)學(xué)報(bào). 2014(04)



本文編號(hào)：3462288