一种改进的引力搜索算法及其波束赋形

发布时间：2021-10-27 20:41

　　针对引力搜索算法初始值的随机性对算法性能以及收敛速度带来的不利影响,提出了一种改进算法——伪反向学习引力搜索算法。首先将伪反向学习机制用于算法中,并且把算法的迭代次数分为多个学习周期,根据过往学习周期中反向学习的成功率来调整反向概率,设计了一种可调反向概率,用以优化反向机制在算法演化过程中的作用时机,提高了算法的收敛速度;其次为改善反向学习操作频繁对种群多样性带来的削弱,定义了"精英粒子",用其替换掉种群中适应度值较差的个体,提高了算法的优化精度。与已有文献中的算法相比,改进算法对单峰及多峰测试函数的平均最优值优化精度可提高1016;对不同类型波束的赋形结果中,改进算法对方向图旁瓣的优化精度可提高1.26dB至5.99dB;在收敛速度最快的前提下,很大程度避免了其他几种优化算法易陷入局部最优的问题,整体性能最佳。 

【文章来源】：西安电子科技大学学报. 2020,47(02)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

不同算法优化得到的余割波束方向图

图1 不同算法优化得到的余割波束方向图综上，QOGSA算法的收敛速度和优化精度均优于另外的4种算法。从表2中的结果可以看出，采用QOGSA算法优化得到的主瓣展宽相当，主瓣抖动最小。在此基础上，改善最明显的是峰值旁瓣电平，分别比其他算法降低了4.54dB,3.19dB,3dB和1.26dB，其中粒子群优化算法对旁瓣电平及主瓣宽度的优化结果最差，引力搜索算法次之，飞蛾扑火算法的优化结果和引力搜索算法相当，IGSA算法仅次于QOGSA的优化效果。QOGSA以快于其他算法的收敛速度得到了最优解。

优化目标：设计一个26元等间隔直线阵列，阵元间距等于半波长，主瓣宽度为10°，要求θ∈[50°，85°]∪[95°，130°]的峰值旁瓣电平低于-30dB，θ∈[0°，50°]∪[130°，180°]的峰值旁瓣电平低于-40dB。在式（2）中，主旁瓣区域的误差权值系数设置为0,0.4,0.6，算法的最大迭代次数均为300次。利用5种算法对激励电流进行优化，优化结果如图3和图4所示。图4 不同算法优化阶梯包络的收敛曲线比较

【参考文献】：
期刊论文
[1]改进布谷鸟算法用于阵列天线方向图优化[J]. 梁爽,孙庚,刘衍珩.  西安电子科技大学学报. 2019(01)
[2]一种动态分群带熵权的粒子群优化方法[J]. 刘道华,胡秀云,赵岩松,崔玉爽.  西安电子科技大学学报. 2018(06)
[3]改进的引力搜索算法用于阵列天线方向图综合[J]. 孙翠珍,丁君,兰建锋,郭陈江,袁建涛.  西北工业大学学报. 2017(05)
[4]混合入侵杂草算法用于阵列天线波束赋形[J]. 刘燕,焦永昌,张亚明,王新宽.  西安电子科技大学学报. 2014(04)



本文编号：3462288