2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、微波電路的優(yōu)化設計一直是電磁工程中研究的一個重要分支和熱點,針對微波領域中優(yōu)化問題的目標函數(shù)的高度非線性、不可導、多極值等特點,利用仿生優(yōu)化算法的全局搜索特性,可以避免確定性優(yōu)化方法收斂速度慢、精度低、易于收斂到局部極小值的缺點。另一方面,由于微波電路中存在大量的不連續(xù)性,電磁場精確數(shù)值全波分析往往耗費太多的計算資源。建立人工神經(jīng)網(wǎng)絡模型來逼近電路的輸入輸出響應再進行優(yōu)化設計,可節(jié)省大量的計算資源,提高設計效率。本文研究的仿生優(yōu)化算法包

2、括遺傳算法、蟻群算法、免疫算法和人工神經(jīng)網(wǎng)絡,引入一些新的構(gòu)思,構(gòu)造出可以解決具有全局搜索、適于求解復雜問題、并能提高優(yōu)化速度的仿生優(yōu)化算法。通過算法優(yōu)化步驟的設計和數(shù)學算例的驗證,說明這些算法的合理性和高效性。將這些改進的優(yōu)化算法分別用于寬帶網(wǎng)絡匹配、微波測量、微帶電路設計中,并和先進的微波電路CADF結(jié)合,使仿生優(yōu)化算法在電磁工程中得到廣泛的應用。本文充分利用各算法的特點,做到各算法之間的融會貫通和優(yōu)勢互補,通過編程仿真,提出高效、

3、合理的新型算法,力圖為電磁工程領域開辟一種新的設計手段和方法。 遺傳算法是一種模仿生物進化過程的隨機搜索,這種生物模仿過程可以發(fā)現(xiàn)全局最優(yōu)解。本文針對現(xiàn)有遺傳算法的過早收斂和難以優(yōu)化多峰值函數(shù)的問題,基于植物學的嫁接思想提出了嫁接遺傳算法。通過嫁接種群向進化種群添加個體的多樣信息,避免了基本遺傳算法的過早收斂。同時嫁接種群指導進化方向,加快了收斂速度。 針對目前需要解決問題的目標函數(shù)普遍具有多峰值的特性,本文基于植物學的

4、多頭嫁接思想,提出了自適應多峰值嫁接遺傳算法。通過算法結(jié)構(gòu)設計,算法復雜度分析和測試函數(shù)的試驗,結(jié)果顯示該改進算法在計算多峰值函數(shù)方面的能力較強。 本文將這些改進的遺傳算法引入到寬帶匹配網(wǎng)絡中,通過和一些經(jīng)典的網(wǎng)絡優(yōu)化方法比較,可以看出前者不僅能保證計算的精度,而且能優(yōu)化出多種組合的網(wǎng)絡元件值,為工程設計人員提供了多種可靠的備選方案。 蟻群算法是模擬自然界中真實蟻群的覓食行為而形成的一種優(yōu)化算法。本文針對基本蟻群算法在收

5、斂速度和求解精度方面的不足,設計出了回歸蟻群算法。該算法通過外加牽引力使得螞蟻按照城市的整體分布規(guī)律尋優(yōu),增加了算法的全局收斂性。另外,通過圈地算法,減少了局部搜索的計算量。傳統(tǒng)的蟻群算法大都應用于離散組合優(yōu)化問題,本文對蟻群算法的結(jié)構(gòu)進行調(diào)整,將其用于一維、二維和多維的連續(xù)空間函數(shù)的優(yōu)化。 本文首次將蟻群算法引入到電磁工程中來,如微波測量。利用三個介質(zhì)板樣本,通過終端短路法測量其輸入端的反射系數(shù),再用蟻群算法進行數(shù)據(jù)擬合,優(yōu)化

6、出所需要的參量,如相對介電常數(shù)、介質(zhì)損耗、介質(zhì)板厚度等此類問題。 免疫算法模擬的是生物免疫系統(tǒng),實現(xiàn)了類似于免疫系統(tǒng)的自我調(diào)節(jié)和生成相異抗體的功能。本文介紹了基于信息熵的免疫算法,并分析其優(yōu)勢與不足,提出了多峰值免疫算法。結(jié)合一些數(shù)學算例,分析了多峰值免疫算法的局部和全局搜索性能。 本文首次將免疫算法引入到電磁工程中,如微帶線結(jié)構(gòu)的優(yōu)化設計。用基本免疫算法優(yōu)化階梯阻抗變換器枝節(jié)的長度和寬度,達到良好阻抗變換作用;用多峰值

7、免疫算法優(yōu)化平行耦合帶通濾波器耦合枝節(jié)的長度、寬度和間距,達到所期望的帶內(nèi)帶外特性。說明了這種算法的引用和改進是合理的,也是有效的。 神經(jīng)網(wǎng)絡具有學習功能,可模擬復雜的非線性函數(shù)關(guān)系。許多類型的神經(jīng)網(wǎng)絡是通用逼近器,能以適合的精度逼近任意輸入輸出映射,已成為電磁工程領域中有力的工具。本文用仿生優(yōu)化算法來優(yōu)化反向傳播網(wǎng)絡的權(quán)值和閾值,形成了遺傳神經(jīng)網(wǎng)絡、蟻群神經(jīng)網(wǎng)絡和免疫神經(jīng)網(wǎng)絡這些新型的混合改進算法。 結(jié)合先進的微波電路

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論