多目标进化算法及其在天线方向图综合问题中的应用

论文摘要

近年来,随着智能计算和进化类算法的发展,其强大的非线性,大空间和全局优化搜索能力使得这类算法更多地应用于工程优化领域。在方向图综合领域,以遗传算法、差分进化算法、粒子群算法为代表的进化计算正在发挥着极其重要的作用。一般而言,遗传算法具有较高的稳健性;粒子群算法有收敛速度快,算法简单,易于实现等特点。现有的基于遗传算法的天线方向图综合方法很难在多零陷生成的同时对旁瓣进一步抑制。本文分析现有多目标优化函数并在现有文献的基础上,提出一种基于动态权的目标函数模型。经过对目标函数适应度的测试,证明该方法具有良好的优化效果。最后,给出了该方法应用于阵列天线方向图综合中的仿真实例并进行了结果比较。本文在现有的遗传算法的基础上,对现有的多目标优化模型做了改进。采用了全新的动态权模型,有效的实现了多目标的整体性优化。此外,本文在线性递减权重粒子群算法的基础上提出了一种新的准粒子群优化算法。新的算法借鉴了遗传算法中交叉的思想并采用了对偶的算法模型改善了算法的优化速度和收敛特性。仿真结果表明,将此算法应用在天线方向图综合中,取得了良好的优化效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景和意义
• 1.2 国内外研究现状
• 1.3 本文的研究内容与主要工作
• 第二章 基于多目标优化的进化类算法综述
• 2.1 引言
• 2.2 传统算法在多目标优化问题上的研究
• 2.3 多目标进化算法的研究现状
• 2.4 本章小结
• 第三章 遗传算法及其在方向图综合中的应用
• 3.1 引言
• 3.2 各种改进的遗传算法
• 3.3 基于遗传算法的多目标优化函数改进
• 3.4 改进的多目标函数模型及其在方向图综合中的应用
• 3.5 本章小结
• 第四章 粒子群算法及其在方向图综合中的应用
• 4.1 引言
• 4.2 各种改进的粒子群算法
• 4.3 本文对粒子群算法的改进
• 4.4 改进的粒子群算法及其在方向图综合中的应用
• 4.5 本章小结
• 第五章 多频天线设计
• 5.1 引言
• 5.2 几种常见的天线类型
• 5.3 本文所作的多频天线设计
• 5.4 本章小结
• 第六章 总结与展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文
• 附录 缩写词表