生态系统粒子群算法及其在阵列天线方向图优化中的应用

发布时间：2017-03-27 01:08

  本文关键词：生态系统粒子群算法及其在阵列天线方向图优化中的应用，，由笔耕文化传播整理发布。

【摘要】：粒子群算法是Eberhert和Kennedy通过模仿鸟类捕食行为来达到寻优目的的一种群智能优化算法。粒子群算法具有结构简单、易于实现、待调整参数少、收敛速度快等诸多优点,其一经提出便受到了国内外学者的广泛关注。目前,粒子群算法被成功的应用在了神经网络训练、电容配置、资源调度、多目标优化等诸多领域,并展示出了其广泛的应用前景和良好的优化能力。尽管粒子群算法拥有许多其他算法不具备的优势,但是它仍然有很多不足之处,如解决高维复杂问题时收敛速度慢,容易陷入局部最优解等。因此,如何对算法进行改进,使其能够克服这些缺点和不足是研究者们的工作重点之一。本文在前人的研究基础上,提出了一种能够有效克服算法早熟收敛的生态系统粒子群算法,并将其应用到了阵列天线方向图优化问题中。本文的主要研究内容如下:(1)受自然界生态规律启发,我们提出了一种改进的粒子群算法,称为生态系统粒子群算法(ESPSO)。ESPSO模仿自然界生态系统规律,共采用了三种学习策略,分别为生态系统策略、繁殖变异策略和全信息策略。借助这些学习策略,算法能够有效的阻止多样性的流失,阻止早熟收敛,平衡全局搜索能力和局部搜索能力,提升寻优效率。本文通过仿真实验,对ESPSO的参数选择方案和寻优能力进行了研究和验证,实验结果表明,ESPSO拥有良好的寻优精度、寻优效率和寻优可信度。(2)智能天线在现代通信系统中发挥着重要的作用,而阵列天线方向图综合则是智能天线的核心技术。本文将ESPSO应用到了阵列天线方向图优化问题中,并通过仿真实验验证ESPSO的有效性。仿真结果表明,相较于标准粒子群算法和差分进化算法,ESPSO能够更好的对阵列天线方向图进行设计和优化。
【关键词】：粒子群算法 生态系统策略 阵列天线方向图优化
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 课题意义及研究目的10-11
• 1.2 粒子群算法研究现状11-14
• 1.2.1 粒子群算法的理论研究11-12
• 1.2.2 粒子群算法的改进研究12-14
• 1.2.3 粒子群算法的应用研究14
• 1.3 本文的研究内容14-15
• 1.4 本文结构安排15-16
• 第2章 粒子群优化算法16-30
• 2.1 引言16
• 2.2 部分智能优化算法简介16-22
• 2.2.1 遗传算法16-18
• 2.2.2 人工蜂群算法18-19
• 2.2.3 蚁群算法19-21
• 2.2.4 布谷鸟搜索算法21-22
• 2.3 粒子群优化算法22-28
• 2.3.1 原始粒子群算法22-24
• 2.3.2 标准粒子群算法24-25
• 2.3.3 粒子群算法的收敛性分析及其参数选择25-27
• 2.3.4 粒子群算法的拓扑结构27-28
• 2.3.5 粒子群算法存在的问题28
• 2.4 本章小结28-30
• 第3章 生态系统粒子群算法30-58
• 3.1 引言30
• 3.2 生态系统粒子群算法30-38
• 3.2.1 生态系统策略31-33
• 3.2.2 繁殖变异策略33-35
• 3.2.3 全信息策略35-38
• 3.3 实验仿真38-56
• 3.3.1 测试函数38-39
• 3.3.2 算法参数设置39-40
• 3.3.3 生态系统粒子群算法参数设置分析40-44
• 3.3.4 生态系统粒子群算法学习策略分析44-46
• 3.3.5 生态系统粒子群算法性能分析46-56
• 3.4 本章小结56-58
• 第4章 粒子群算法在阵列天线综合中的应用58-70
• 4.1 引言58
• 4.2 天线阵基础58-61
• 4.2.1 天线阵的辐射特性58-59
• 4.2.2 天线方向图59-61
• 4.3 阵列天线方向图优化61-68
• 4.3.1 低副瓣直线阵综合61-63
• 4.3.2 目标副瓣直线阵综合63-65
• 4.3.3 零陷设置综合65-68
• 4.4 本章小结68-70
• 第5章 总结与展望70-72
• 5.1 本文工作总结70-71
• 5.2 本文工作展望71-72
• 附录 测试函数72-78
• 单峰函数72-73
• 多峰函数73-74
• CEC 2005测试函数74-78
• 参考文献78-84
• 致谢84-86
• 硕士期间发表的论文86

【相似文献】

中国期刊全文数据库 前10条

1 秦玉灵;孔宪仁;罗文波;;混沌量子粒子群算法在模型修正中的应用[J];计算机工程与应用;2010年02期

2 陈治明;;新型量子粒子群算法及其性能分析研究[J];福建电脑;2010年05期

3 牛永洁;;一种新型的混合粒子群算法[J];信息技术;2010年10期

4 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

5 刘衍民;赵庆祯;邵增珍;;一种改进的完全信息粒子群算法研究[J];曲阜师范大学学报(自然科学版);2011年01期

6 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[J];计算机工程与应用;2011年05期

7 熊智挺;谭阳红;易如方;陈赛华;;一种并行的自适应量子粒子群算法[J];计算机系统应用;2011年08期

8 孟纯青;;非线性粒子群算法[J];微计算机应用;2011年08期

9 任伟建;武璇;;一种动态改变学习因子的简化粒子群算法[J];自动化技术与应用;2012年10期

10 刘飞,孙明,李宁,孙德宝,邹彤;粒子群算法及其在布局优化中的应用[J];计算机工程与应用;2004年12期

中国重要会议论文全文数据库 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年

中国硕士学位论文全文数据库 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 王伟;大型螺纹旋风硬铣削数值模拟及工艺参数优化[D];浙江大学;2016年

7 李玲玉;基于粒子群算法的城市轨道交通列车节能优化研究[D];北京交通大学;2016年

8 苗冬云;基于改进粒子群算法的云任务调度方案研究[D];安徽财经大学;2015年

9 蒋晓\~;粒子群算法在多维优化问题中的改进研究[D];浙江理工大学;2016年

10 刘角;生态系统粒子群算法及其在阵列天线方向图优化中的应用[D];太原理工大学;2016年

  本文关键词：生态系统粒子群算法及其在阵列天线方向图优化中的应用，由笔耕文化传播整理发布。

本文编号：269634