首页> 中文学位 >入侵杂草优化算法在阵列天线综合中的应用
【6h】

入侵杂草优化算法在阵列天线综合中的应用

代理获取

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 研究背景和意义

1.2 入侵杂草优化算法的优点与研究进展

1.3 进化算法及其在天线阵综合问题中研究进展

1.4 论文的内容安排及作者的主要工作

第二章 基本理论概述

2.1 入侵杂草优化算法

2.2 阵列天线基本理论

2.3 稀疏直线阵的优化模型

2.4 稀疏平面阵的优化模型

2.5 本章小结

第三章 自适应入侵杂草优化算法用于阵列天线方向图综合

3.1 引言

3.2 阵列天线方向图综合理论

3.3 自适应入侵杂草优化算法

3.4 算例及仿真结果

3.5控制参数敏感性分析

3.6 本章小结

第四章 混合入侵杂草优化算法用于阵列天线方向图综合

4.1 引言

4.2 混合入侵杂草优化算法

4.3 混合入侵杂草优化算法用于直线阵综合

4.4 混合入侵杂草优化算法用于唯相位方向图可重构天线综合

4.5 本章小结

第五章 改进的入侵杂草优化算法用于稀疏阵综合

5.1 引言

5.2 MIWO算法优化稀疏直线阵

5.3 MIWO算法优化稀疏平面阵

5.4 本章小结

第六章 基于分解的多目标入侵杂草优化算法用于阵列天线方向图综合

6.1 引言

6.2 多目标优化问题的数学模型

6.3 MOEA/D 算法

6.4 MOEA/D-IWO算法

6.5 MOEA/D-IWO算法用于阵列天线方向图综合

6.6 MOEA/D-IWO算法用于唯相位方向图可重构天线综合

6.7 本章小结

第七章 全文总结

参考文献

致谢

作者简介

展开▼

摘要

天线阵方向图综合问题旨在确定阵列天线的激励参数,使天线阵的某些辐射特性满足给定的指标要求,或者使阵列的辐射方向图尽可能地逼近所期望的方向图。与传统进化算法相比,入侵杂草优化算法因其独特的进化机制,具有更强的鲁棒性和自适应性,且能有效地克服早熟收敛,已被成功用于多个天线设计领域的研究。因此,研究更为高效的入侵杂草优化算法在阵列天线综合中的应用,具有重要的理论意义和潜在的应用价值。
  本文在深入探索和研究入侵杂草优化(IWO)算法的原理及特点的基础上,围绕入侵杂草优化算法在求解不同天线阵综合问题时的需求,提出了几种改进的入侵杂草优化算法,并进行了相应的实验和数据分析。论文的主要研究成果包括以下几个方面:
  1、设计了自适应入侵杂草优化(AIWO)算法,并将其用于阵列天线方向图综合。通过设计一个自适应标准差来改进入侵杂草优化算法的性能。该自适应标准差在随着进化代数增加而逐渐减小的同时,在进化的某一代中,每个个体根据其适应度值不同被分配不同的标准差。自适应标准差的使用,更好地平衡了算法的全局探索和局部寻优,使得原始算法的进化速度和精度都得到了提高。通过对具有低副瓣、深零点和凹口的阵列天线进行方向图综合设计,显示出了AIWO算法性能优于原始入侵杂草优化算法以及同类其它算法。
  2、将入侵杂草优化算法与局部搜索算法相结合,提出混合入侵杂草优化算法——IWO-SQA算法,将其用于对阵列天线进行副瓣降低、主瓣赋形和唯相位方向图可重构设计。在该混合算法中,AIWO算法作为全局算法进行全局搜索,简化的二次逼近(SQA)作为局部搜索算子增强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敛于问题的最优解。通过对6个标准测试函数进行计算及结果分析,验证了IWO-SQA算法的进化速度和精度均优于原始IWO算法。为了验证IWO-SQA算法在天线设计中的有效性,把该算法用于设计不同的阵列天线综合问题,得到了优于已有文献的数值结果。
  3、为了使入侵杂草优化算法能更有效地对稀疏阵进行综合,提出改进的入侵杂草优化(MIWO)算法。通过重复执行迭代傅里叶技术(IFT)产生一组解,作为AIWO算法的初始种群,使初始种群中包含更多的优良个体,有利于指导算法快速找到最优解。MIWO算法在加快收敛速度的同时,有效地提高了解的精度。通过对多种孔径尺寸和填充率的稀疏直线阵和稀疏平面阵进行综合,并与已有文献结果进行比较显示了MIWO算法的在求解此类问题时的有效性。
  4、从多目标优化的角度分析传统的阵列天线综合问题,将AIWO算法改进后嵌入到基于分解的多目标进化算法(MOEA/D)框架中,提出了基于分解的多目标入侵杂草优化算法(MOEA/D-IWO)。该算法既保持了MOEA/D方法的计算优势,又充分利用入侵杂草优化算法强大的搜索能力和稳健性,高效地实现了算法优化过程的并行性。利用MOEA/D-IWO算法对具有深零点或凹口的低副瓣波束以及唯相位方向图可重构阵列进行了综合,得到了优于基于分解的多目标差分进化算法(MOEA/D-DE)的结果。通过对重要参数指标进行分析,表明MOEA/D-IWO算法得到的解具有更高的计算精度、收敛速度和多样性,综合性能更好,验证了MOEA/D-IWO算法的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号