基于粒子群与遗传混合算法的透镜天线多目标优化方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115081325A(43)申请公布日2022.09.20(21)申请号202210705606.X(22)申请日2022.06.21(71)申请人桂林电子科技大学地址541004广西壮族自治区桂林市七星区金鸡路1号(72)发明人彭麟刘艳芳孙逢圆赵其祥姜兴(74)专利代理机构桂林市持衡专利商标事务所有限公司45107专利代理师陈跃琳(51)Int.Cl.G06F30/27(2020.01)G06F111/06(2020.01)权利要求书1页说明书7页附图4页(54)发明名称基于粒子群与遗传混合算法的透镜天线多目标优化方法(57)摘要本发明公开一种基于粒子群与遗传混合算法的透镜天线多目标优化方法，首先，通过将PSO和GAO的进化机制进行融合，解决了PSO易陷入局部最优和遗传算法收敛速度慢的问题。其次，利用一体化建模技术，直接获取待优化天线的各项性能指标用于算法的优化，提高优化效率。最后，利用子目标叠加法定义目标函数以实现透镜天线的多目标(包括阻抗特性、极化特性、增益特性等)优化，并利用子目标权重分配法及最差指标提取法对目标函数进行进一步地修正，从而引导PSO‑GAO实现更精准更高效的优化。本发明利用PSO‑GAO算法、一体化建模技术以及精准的目标函数定义方法构建了一套高效的透镜天线多目标优化算法，实例验证了其在多目标透镜天线设计中的高效性。CN115081325ACN115081325A权利要求书1/1页1.基于粒子群与遗传混合算法的透镜天线多目标优化方法，其特征是，包括步骤如下：步骤1、先根据给定的设计目标确定馈源结构；再基于确定的馈源结构和给定的设计目标确定透镜结构；后将透镜结构与馈源结构进行匹配与固定，得到透镜天线的初始模型；步骤2、对于步骤1所确定的透镜天线的初始模型，利用MATLAB‑CST联合仿真进行一体化建模，即在MATLAB中编写对应的程序调用CST对馈源和透镜同时进行参数化建模，得到透镜天线的一体化模型；步骤3、根据设计目标定义目标函数：式中，x为n维的结构参数向量，n为待优化的透镜天线的结构参数的数量即变量个数；F(x)为目标函数；fi(x)为第i个子目标函数；wi为第i个子目标函数的权重因子；maxfreq为透freq镜天线的最大工作频率；minfreq为透镜天线的最小工作频率；Qi(x)为透镜天线在工作频率freq下的第i个指标的目标值，为透镜天线在工作频率freq下的第i个指标的实际值；m为待满足的透镜天线的指标数量；步骤4、设定粒子群与遗传混合算法的关键参数，即优化代数、变异概率、交叉概率和种群的大小；令种群的每个粒子代表1个透镜天线的结构参数向量，每个透镜天线的结构参数向量包含n个待优化的透镜天线的结构参数；初始化种群中粒子的位置、粒子的速度、个体极值和群体极值；步骤5、将当前种群中每个粒子的位置所对应的透镜天线的结构参数向量值送入到步骤2所构建的透镜天线的一体化模型中，得到每个透镜天线的结构参数向量值所对应的透镜天线在各个工作频率下的各个指标的实际值；步骤6、将步骤5中透镜天线的结构参数向量值作为步骤3定义的目标函数中的x，并将步骤5中每个透镜天线的结构参数向量值所对应的透镜天线在各个工作频率下的各个指标freq的实际值作为步骤3定义的目标函数中的qi(x)，计算每个透镜天线的结构参数向量值所对应的目标函数F(x)；步骤7、基于步骤6所计算的目标函数更新个体极值和群体极值；其中个体极值为种群中的每个粒子迄今为止搜索到的最好位置，群体极值为种群中的所有粒子迄今为止搜索到的最好位置；步骤8、如果当前优化次数达到设定的优化代数或者群体极值所对应的各个子目标函数达到限定值，则利用群体极值所对应的透镜天线的结构参数向量值设计透镜天线；否则，先根据粒子群算法机制更新粒子的速度和位置，再根据遗传算法机制对粒子的位置进行交叉和变异，并返回步骤5。2CN115081325A说明书1/7页基于粒子群与遗传混合算法的透镜天线多目标优化方法技术领域[0001]本发明涉及透镜天线技术领域，具体涉及一种基于粒子群与遗传混合算法(PSO‑GAO)的透镜天线多目标优化方法。背景技术[0002]雷达、制导系统、通信、生物医疗、电子对抗和射电天文等领域不但面对日益复杂的电磁环境，还面临不断提高系统性能的要求，这就意味着对天线性能提出越来越严格的要求，在天线设计时需要考虑满足多个特定的性能指标，如阻抗带宽、口径效率、增益、增益带宽、波束赋形、极化特性/带宽(圆极化)等，因此现代天线的设计面临很高的挑战。另一方面，透镜天线具有形式变化丰富和电磁特性好等优点，而3D打印技术的发展使得开发复杂结构的全介质透镜天线成为可能，这使得全介质透镜天线成为满足未来天线系统的优秀候选者，因