一种基于Blind Kriging模型和差分进化的电磁结构优化算法

发布时间：2019-06-24 09:53

【摘要】：各类电磁结构日趋复杂,设计自由度不断提升.传统优化算法需要对大量的参数组合进行全波仿真试探,设计效率普遍较低。针对这一问题,提出BK(blind Kriging)模型和差分进化相结合的电磁结构优化算法.相比普通Kriging模型,BK模型通过贝叶斯参数选择算法将影响性能的主要因子加入回归模型,提高对响应的预测精度;依据BK模型的预测结果从每代差分进化种群中选择最优个体执行电磁仿真。由于优化过程中大量的电磁计算转移到快速的BK模型,优化效率得到显著提升。通过一个圆波导多螺钉极化转换器的优化设计,表明该方法的求解质量和收敛速度优于现有算法。
[Abstract]:The electromagnetic structures of various types are becoming more and more complicated, and the degree of freedom of design is continuously improved. The traditional optimization algorithm needs full-wave simulation test on a large number of parameter combinations, and the design efficiency is generally lower. In view of this problem, the optimization of the electromagnetic structure with the combination of the blind Kriging model and the differential evolution is proposed. Compared with the normal Kriging model, the BK model adds the regression model to the main factor of the performance by the Bayesian parameter selection algorithm, and improves the prediction precision of the response; according to the prediction result of the BK model, the optimal individual is selected to perform the electromagnetic simulation from each generation of the differential evolution population. The optimization efficiency is greatly improved due to the large amount of electromagnetic calculation in the optimization process to the fast BK model. The optimal design of a circular waveguide multi-screw polarization converter shows that the solution quality and the convergence speed of the method are better than the existing ones.
【作者单位】： 安徽工程大学电气工程学院;
【基金】：安徽省高等教育提升计划项目(TSKJ2014B05)资助
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 吴燕玲;卢建刚;孙优贤;;基于免疫原理的差分进化[J];控制与决策;2007年11期

2 杨启文;蔡亮;薛云灿;;差分进化算法综述[J];模式识别与人工智能;2008年04期

3 许小健;黄小平;钱德玲;;自适应加速差分进化算法[J];复杂系统与复杂性科学;2008年01期

4 宁桂英;周永权;;基于优进策略的新差分进化算法动力学模型参数的估计[J];计算机与应用化学;2008年05期

5 谭跃;谭冠政;涂立;;一种新的混沌差分进化算法[J];计算机工程;2009年11期

6 王培崇;钱旭;王月;虎晓红;;差分进化计算研究综述[J];计算机工程与应用;2009年28期

7 肖术骏;朱学峰;;一种改进的快速高效的差分进化算法[J];合肥工业大学学报(自然科学版);2009年11期

8 周萧;王万良;徐新黎;;解决作业车间调度问题的混合差分进化算法[J];轻工机械;2010年05期

9 王艳宜;;改进差分进化算法及其应用[J];机械设计与研究;2010年05期

10 张照生;罗健旭;;基于差分进化算法的模糊神经网络控制器[J];计算机与应用化学;2011年12期

相关会议论文 前5条

1 陆丝馨;肖健梅;王锡淮;;基于改进差分进化算法的舰船电网重构[A];第二十九届中国控制会议论文集[C];2010年

2 张倩;李海港;;多目标问题的差分进化算法研究[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

3 刘国帅;杨侃;陈静;周景舒;周冉;郑姣;;差分进化算法在三峡电站厂内经济运行中的应用[A];中国水文科技新发展——2012中国水文学术讨论会论文集[C];2012年

4 倪惠康;杜文莉;钱锋;;基于改进差分进化算法的PID参数优[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

5 雍龙泉;;求解一类多目标优化问题的极大熵差分进化算法[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

相关博士学位论文 前10条

1 孙浩;差分进化多目标优化算法及其在铝热连轧轧制规程中应用[D];燕山大学;2015年

2 谢宇;差分进化的若干问题及其应用研究[D];南京理工大学;2015年

3 丁青锋;基于元胞自动机的差分进化算法及其在通信系统中的应用研究[D];上海大学;2015年

4 刘荣辉;多阶段自适应差分进化算法及应用研究[D];东华大学;2012年

5 王旭;改进差分进化算法及其在可逆逻辑综合中的应用[D];东华大学;2013年

6 董明刚;基于差分进化的优化算法及应用研究[D];浙江大学;2012年

7 徐斌;基于差分进化算法的多目标优化方法研究及其应用[D];华东理工大学;2013年

8 解为成;基于局部摸索的差分进化算法及其在曲面重建中的应用[D];武汉大学;2013年

9 孙成富;差分进化算法及其在电力系统调度优化中的应用研究[D];华中科技大学;2010年

10 向万里;混合群体智能优化算法及应用研究[D];天津大学;2014年

相关硕士学位论文 前10条

1 万婧;基于离散微粒群算法和混合差分进化算法的复杂生产调度问题求解[D];昆明理工大学;2015年

2 程菲;膜计算在数值优化问题中的应用研究[D];西华大学;2015年

3 袁文龙;基于控制思想的差分进化算法改进研究[D];东北大学;2014年

4 刘文壮;基于差分进化的约束求解算法研究[D];吉林大学;2016年

5 唐亚;差分进化算法的改进及其在聚类中的应用[D];广东工业大学;2016年

6 张转;基于差分进化算法的混凝土德拜模型的研究[D];长安大学;2015年

7 宁桂英;差分进化算法及其应用研究[D];广西民族大学;2008年

8 刘俊梅;混合差分进化算法及应用研究[D];北方民族大学;2010年

9 王洪波;基于差分进化计算的聚类算法研究[D];山东师范大学;2012年

10 呼忠权;差分进化算法的优化及其应用研究[D];燕山大学;2013年

，

本文编号：2504968