入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用.pdf

1、天線陣方向圖綜合問題旨在確定陣列天線的激勵(lì)參數(shù)，使天線陣的某些輻射特性滿足給定的指標(biāo)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(jìn)化算法相比，入侵雜草優(yōu)化算法因其獨(dú)特的進(jìn)化機(jī)制，具有更強(qiáng)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(gè)天線設(shè)計(jì)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(jià)值。
　　本文在深入探索和研究入侵雜草優(yōu)化（IWO）算法的

2、原理及特點(diǎn)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(shí)的需求，提出了幾種改進(jìn)的入侵雜草優(yōu)化算法，并進(jìn)行了相應(yīng)的實(shí)驗(yàn)和數(shù)據(jù)分析。論文的主要研究成果包括以下幾個(gè)方面：
　　1、設(shè)計(jì)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(jì)一個(gè)自適應(yīng)標(biāo)準(zhǔn)差來改進(jìn)入侵雜草優(yōu)化算法的性能。該自適應(yīng)標(biāo)準(zhǔn)差在隨著進(jìn)化代數(shù)增加而逐漸減小的同時(shí)，在進(jìn)化的某一代中，每個(gè)個(gè)體根據(jù)其適應(yīng)度值不同被分配不同的標(biāo)準(zhǔn)差。自適應(yīng)標(biāo)準(zhǔn)

3、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(jìn)化速度和精度都得到了提高。通過對(duì)具有低副瓣、深零點(diǎn)和凹口的陣列天線進(jìn)行方向圖綜合設(shè)計(jì)，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(duì)陣列天線進(jìn)行副瓣降低、主瓣賦形和唯相位方向圖可重構(gòu)設(shè)計(jì)。在該混合算法中，AIWO算法作為全局算法進(jìn)行全局搜索，

4、簡(jiǎn)化的二次逼近（SQA）作為局部搜索算子增強(qiáng)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(duì)6個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行計(jì)算及結(jié)果分析，驗(yàn)證了IWO-SQA算法的進(jìn)化速度和精度均優(yōu)于原始IWO算法。為了驗(yàn)證IWO-SQA算法在天線設(shè)計(jì)中的有效性，把該算法用于設(shè)計(jì)不同的陣列天線綜合問題，得到了優(yōu)于已有文獻(xiàn)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(duì)稀疏陣進(jìn)行綜合，提出改進(jìn)的入侵

5、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(gè)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(shí)，有效地提高了解的精度。通過對(duì)多種孔徑尺寸和填充率的稀疏直線陣和稀疏平面陣進(jìn)行綜合，并與已有文獻(xiàn)結(jié)果進(jìn)行比較顯示了MIWO算法的在求解此類問題時(shí)的有效性。
　　4、從多目標(biāo)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(jìn)后嵌入到基

6、于分解的多目標(biāo)進(jìn)化算法（MOEA/D）框架中，提出了基于分解的多目標(biāo)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(jì)算優(yōu)勢(shì)，又充分利用入侵雜草優(yōu)化算法強(qiáng)大的搜索能力和穩(wěn)健性，高效地實(shí)現(xiàn)了算法優(yōu)化過程的并行性。利用MOEA/D-IWO算法對(duì)具有深零點(diǎn)或凹口的低副瓣波束以及唯相位方向圖可重構(gòu)陣列進(jìn)行了綜合，得到了優(yōu)于基于分解的多目標(biāo)差分進(jìn)化算法（MOEA/D-DE）的結(jié)果。通過對(duì)重要參數(shù)指標(biāo)進(jìn)行分析，表明MOEA