改进郊狼算法用于直线阵列零陷综合

摘要

针对智能优化算法在具有最小旁瓣电平和零陷深度的均匀激励非周期直线阵列零陷综合中存在收敛速度慢及易于陷入局部最优的问题,提出了一种基于改进郊狼算法的直线阵列综合。该算法在郊狼算法的基础上,提出次优个体变异策略和全局最优组内引导策略。在次优个体中引入Hybrid映射扰动,小范围内发生变异,提高种群多样性,扩大搜索范围;构建一种新型的成长方式,提出全局最优组内引导策略,使算法更快地接近全局最优解,提高局部搜索能力并加快收敛速度。仿真结果显示,改进后的郊狼算法较原郊狼算法收敛速度明显加快,与遗传算法、布谷鸟算法、基于生物地理学的优化算法和Taguchi算法相比,所提算法获得了更优的旁瓣电平和零陷深度,证明了算法的有效性和优越性。