本文關(guān)鍵詞：入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：天線陣方向圖綜合問題旨在確定陣列天線的激勵參數(shù),使天線陣的某些輻射特性滿足給定的指標要求,或者使陣列的輻射方向圖盡可能地逼近所期望的方向圖。與傳統(tǒng)進化算法相比,入侵雜草優(yōu)化算法因其獨特的進化機制,具有更強的魯棒性和自適應(yīng)性,且能有效地克服早熟收斂,已被成功用于多個天線設(shè)計領(lǐng)域的研究。因此,研究更為高效的入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用,具有重要的理論意義和潛在的應(yīng)用價值。本文在深入探索和研究入侵雜草優(yōu)化(IWO)算法的原理及特點的基礎(chǔ)上,圍繞入侵雜草優(yōu)化算法在求解不同天線陣綜合問題時的需求,提出了幾種改進的入侵雜草優(yōu)化算法,并進行了相應(yīng)的實驗和數(shù)據(jù)分析。論文的主要研究成果包括以下幾個方面:1、設(shè)計了自適應(yīng)入侵雜草優(yōu)化(AIWO)算法,并將其用于陣列天線方向圖綜合。通過設(shè)計一個自適應(yīng)標準差來改進入侵雜草優(yōu)化算法的性能。該自適應(yīng)標準差在隨著進化代數(shù)增加而逐漸減小的同時,在進化的某一代中,每個個體根據(jù)其適應(yīng)度值不同被分配不同的標準差。自適應(yīng)標準差的使用,更好地平衡了算法的全局探索和局部尋優(yōu),使得原始算法的進化速度和精度都得到了提高。通過對具有低副瓣、深零點和凹口的陣列天線進行方向圖綜合設(shè)計,顯示出了AIWO算法性能優(yōu)于原始入侵雜草優(yōu)化算法以及同類其它算法。2、將入侵雜草優(yōu)化算法與局部搜索算法相結(jié)合,提出混合入侵雜草優(yōu)化算法——IWO-SQA算法,將其用于對陣列天線進行副瓣降低、主瓣賦形和唯相位方向圖可重構(gòu)設(shè)計。在該混合算法中,AIWO算法作為全局算法進行全局搜索,簡化的二次逼近(SQA)作為局部搜索算子增強算法的局部搜索能力,更好地平衡了算法的全局和局部搜索能力,使算法快速有效地收斂于問題的最優(yōu)解。通過對6個標準測試函數(shù)進行計算及結(jié)果分析,驗證了IWO-SQA算法的進化速度和精度均優(yōu)于原始IWO算法。為了驗證IWO-SQA算法在天線設(shè)計中的有效性,把該算法用于設(shè)計不同的陣列天線綜合問題,得到了優(yōu)于已有文獻的數(shù)值結(jié)果。3、為了使入侵雜草優(yōu)化算法能更有效地對稀疏陣進行綜合,提出改進的入侵雜草優(yōu)化(MIWO)算法。通過重復(fù)執(zhí)行迭代傅里葉技術(shù)(IFT)產(chǎn)生一組解,作為AIWO算法的初始種群,使初始種群中包含更多的優(yōu)良個體,有利于指導(dǎo)算法快速找到最優(yōu)解。MIWO算法在加快收斂速度的同時,有效地提高了解的精度。通過對多種孔徑尺寸和填充率的稀疏直線陣和稀疏平面陣進行綜合,并與已有文獻結(jié)果進行比較顯示了MIWO算法的在求解此類問題時的有效性。4、從多目標優(yōu)化的角度分析傳統(tǒng)的陣列天線綜合問題,將AIWO算法改進后嵌入到基于分解的多目標進化算法(MOEA/D)框架中,提出了基于分解的多目標入侵雜草優(yōu)化算法(MOEA/D-IWO)。該算法既保持了MOEA/D方法的計算優(yōu)勢,又充分利用入侵雜草優(yōu)化算法強大的搜索能力和穩(wěn)健性,高效地實現(xiàn)了算法優(yōu)化過程的并行性。利用MOEA/D-IWO算法對具有深零點或凹口的低副瓣波束以及唯相位方向圖可重構(gòu)陣列進行了綜合,得到了優(yōu)于基于分解的多目標差分進化算法(MOEA/D-DE)的結(jié)果。通過對重要參數(shù)指標進行分析,表明MOEA/D-IWO算法得到的解具有更高的計算精度、收斂速度和多樣性,綜合性能更好,驗證了MOEA/D-IWO算法的有效性。

  本文關(guān)鍵詞：入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用，由筆耕文化傳播整理發(fā)布。