基于GA-QPSO算法的传感器阵列多目标优化研究

摘要

传统的传感器阵列优化通常采用单目标优化,忽略了传感器其他重要因素的影响.提出一种基于遗传量子行为粒子群优化(GA-QPSO)算法的传感器阵列多目标优化研究方法.使用信息熵的概念构造传感器的两个目标函数,在量子化粒子群优化(QPSO)算法中引入遗传算法(GA)中的交叉和变异操作,采用自适应更新二者概率的机制.利用所提算法寻求非支配解集,找到对应最优的传感器组合.实验结果表明:所提算法找到了不同阵列大小下的最优组合集,并且减小了原始阵列的规模.另外相比单目标优化,基于多目标优化场景下算法具有更好的分类精度.经过阵列优化后的传感器阵列能够保证更好的输入质量.