改进粒子群算法在天线设计中的应用

发布时间：2024-06-30 18:13

　　群体智能算法作为元启发式优化算法的一个重要分支,以其独特的自适应性而生生不息。它能够被用来解决传统优化算法如梯度下降法等无法解决的优化问题,受到了各个领域学者的青睐。粒子群算法是上世纪九十年代年提出的一种智能优化算法,它具有参数少、逻辑简单、适应性强、寻优精度较高等优点。但在面对复杂问题时会存在收敛速度慢、易陷入局部最优、早熟收敛等问题。鉴于此,本文对标准粒子群算法做出改进,提高其性能,然后将改进之后的粒子群算法应用于阵列天线综合和WLAN天线的结构优化当中。论文的主要研究成果包括:1.对标准粒子群算法的产生由来、数学原理、研究现状、实际应用等方面进行阐述,指出算法的不足,为后续改良提供思路。2.针对粒子群算法目前存在的不足,为进一步提高算法的收敛速度和寻优能力,本文做出如下几个方面的改进:首先,采用多种群初始化策略,保证初始粒子在解空间的均匀分布;随后,引入精英指导策略来对粒子步进方向提供指导,提高收敛速度;然后,运用超球面扰动策略对陷入局部最优的精英粒子做扰动,保证群体的全局寻优能力;最后,用调整基本参数取值策略来平衡整个迭代收敛过程。3.利用标准测试函数,将本文的改进粒子群算法同...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２．１粒子群算法模型示意图??通过抽象分析，麦田就可以看作是解空间，也就是需要寻优的函数取值范围；食物浓度??

鸟群会记录下当前所有探索过的麦田中食物浓度最高的位置，记为Ｇｂｅｓｔ，而每只小??鸟也会记录下自己所发现的食物浓度最高的位置，记为Ｐｂｅｓｔ。小鸟根据Ｇｂｅｓｔ和Ｐｂｅｓｔ的指??引确定下一个搜索位置。模型示意图如图２．１所示：??／?身？?？??響?＞?鬱＇＼?，?？‘?瓤．?....

图２．３标准ＰＳＯ算法流程示意图??２．２．４算法收敛性分析??Ｆｒａｎｓ在文献［１６］中对ＰＳＯ算法的收敛性进行了分析，他通过单个粒子的运动行为采用递??

ｉＰｂｅｓｔ（ｔ）???？??图２．２粒子位置更新示意图??分析式（２．５）、（２．６）可知，粒子的下一个位置由三个状态所决定。第一项是粒子上??一次迭代的移动速度，可以理解为运动方向上的惯性；第二项是粒子根据自身经验来指导自??己后续的探索行为；第三项则是粒子根据群体所共享出来....

图3.1超球坐标转换示惫图

??杭州电子科技大学硕士学位论文?????英”粒子也要更新以适应指导的要求。??３．２．３超球面扰动策略??种群在寻优的过程中由于“精英，，粒子的指导作用，其余粒子会快速地往“精英”粒子??靠拢，如果“精英，，粒子处在一个局部最优空间，那么种群会快速聚集于该局部最优从而发??生早....

图３．２超球面扰动示意图??，，，??

下图是直角坐标到超球面坐标转化示意图：??ＡＺ??图３．１超球坐标转换示意图??由式（２．５）、（２．６）可以推断出，持续的迭代过程中粒子之间的距离会越来越近，导致??“精英”的移动速度会变慢，致使“精英，，陷入局部最优之后难以跳出，不合理的移动方向??也增加了跳出局部最优的难度....

本文编号：3998890