仿生優(yōu)化算法研究及其在電磁工程中的應(yīng)用.pdf

1、微波電路的優(yōu)化設(shè)計(jì)一直是電磁工程中研究的一個(gè)重要分支和熱點(diǎn)，針對(duì)微波領(lǐng)域中優(yōu)化問題的目標(biāo)函數(shù)的高度非線性、不可導(dǎo)、多極值等特點(diǎn)，利用仿生優(yōu)化算法的全局搜索特性，可以避免確定性優(yōu)化方法收斂速度慢、精度低、易于收斂到局部極小值的缺點(diǎn)。另一方面，由于微波電路中存在大量的不連續(xù)性，電磁場(chǎng)精確數(shù)值全波分析往往耗費(fèi)太多的計(jì)算資源。建立人工神經(jīng)網(wǎng)絡(luò)模型來(lái)逼近電路的輸入輸出響應(yīng)再進(jìn)行優(yōu)化設(shè)計(jì)，可節(jié)省大量的計(jì)算資源，提高設(shè)計(jì)效率。本文研究的仿生優(yōu)化算法包

2、括遺傳算法、蟻群算法、免疫算法和人工神經(jīng)網(wǎng)絡(luò)，引入一些新的構(gòu)思，構(gòu)造出可以解決具有全局搜索、適于求解復(fù)雜問題、并能提高優(yōu)化速度的仿生優(yōu)化算法。通過(guò)算法優(yōu)化步驟的設(shè)計(jì)和數(shù)學(xué)算例的驗(yàn)證，說(shuō)明這些算法的合理性和高效性。將這些改進(jìn)的優(yōu)化算法分別用于寬帶網(wǎng)絡(luò)匹配、微波測(cè)量、微帶電路設(shè)計(jì)中，并和先進(jìn)的微波電路CADF結(jié)合，使仿生優(yōu)化算法在電磁工程中得到廣泛的應(yīng)用。本文充分利用各算法的特點(diǎn)，做到各算法之間的融會(huì)貫通和優(yōu)勢(shì)互補(bǔ)，通過(guò)編程仿真，提出高效、

3、合理的新型算法，力圖為電磁工程領(lǐng)域開辟一種新的設(shè)計(jì)手段和方法。 遺傳算法是一種模仿生物進(jìn)化過(guò)程的隨機(jī)搜索，這種生物模仿過(guò)程可以發(fā)現(xiàn)全局最優(yōu)解。本文針對(duì)現(xiàn)有遺傳算法的過(guò)早收斂和難以優(yōu)化多峰值函數(shù)的問題，基于植物學(xué)的嫁接思想提出了嫁接遺傳算法。通過(guò)嫁接種群向進(jìn)化種群添加個(gè)體的多樣信息，避免了基本遺傳算法的過(guò)早收斂。同時(shí)嫁接種群指導(dǎo)進(jìn)化方向，加快了收斂速度。 針對(duì)目前需要解決問題的目標(biāo)函數(shù)普遍具有多峰值的特性，本文基于植物學(xué)的

4、多頭嫁接思想，提出了自適應(yīng)多峰值嫁接遺傳算法。通過(guò)算法結(jié)構(gòu)設(shè)計(jì)，算法復(fù)雜度分析和測(cè)試函數(shù)的試驗(yàn)，結(jié)果顯示該改進(jìn)算法在計(jì)算多峰值函數(shù)方面的能力較強(qiáng)。 本文將這些改進(jìn)的遺傳算法引入到寬帶匹配網(wǎng)絡(luò)中，通過(guò)和一些經(jīng)典的網(wǎng)絡(luò)優(yōu)化方法比較，可以看出前者不僅能保證計(jì)算的精度，而且能優(yōu)化出多種組合的網(wǎng)絡(luò)元件值，為工程設(shè)計(jì)人員提供了多種可靠的備選方案。 蟻群算法是模擬自然界中真實(shí)蟻群的覓食行為而形成的一種優(yōu)化算法。本文針對(duì)基本蟻群算法在收

5、斂速度和求解精度方面的不足，設(shè)計(jì)出了回歸蟻群算法。該算法通過(guò)外加牽引力使得螞蟻按照城市的整體分布規(guī)律尋優(yōu)，增加了算法的全局收斂性。另外，通過(guò)圈地算法，減少了局部搜索的計(jì)算量。傳統(tǒng)的蟻群算法大都應(yīng)用于離散組合優(yōu)化問題，本文對(duì)蟻群算法的結(jié)構(gòu)進(jìn)行調(diào)整，將其用于一維、二維和多維的連續(xù)空間函數(shù)的優(yōu)化。 本文首次將蟻群算法引入到電磁工程中來(lái)，如微波測(cè)量。利用三個(gè)介質(zhì)板樣本，通過(guò)終端短路法測(cè)量其輸入端的反射系數(shù)，再用蟻群算法進(jìn)行數(shù)據(jù)擬合，優(yōu)化

6、出所需要的參量，如相對(duì)介電常數(shù)、介質(zhì)損耗、介質(zhì)板厚度等此類問題。 免疫算法模擬的是生物免疫系統(tǒng)，實(shí)現(xiàn)了類似于免疫系統(tǒng)的自我調(diào)節(jié)和生成相異抗體的功能。本文介紹了基于信息熵的免疫算法，并分析其優(yōu)勢(shì)與不足，提出了多峰值免疫算法。結(jié)合一些數(shù)學(xué)算例，分析了多峰值免疫算法的局部和全局搜索性能。 本文首次將免疫算法引入到電磁工程中，如微帶線結(jié)構(gòu)的優(yōu)化設(shè)計(jì)。用基本免疫算法優(yōu)化階梯阻抗變換器枝節(jié)的長(zhǎng)度和寬度，達(dá)到良好阻抗變換作用；用多峰值

7、免疫算法優(yōu)化平行耦合帶通濾波器耦合枝節(jié)的長(zhǎng)度、寬度和間距，達(dá)到所期望的帶內(nèi)帶外特性。說(shuō)明了這種算法的引用和改進(jìn)是合理的，也是有效的。 神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)功能，可模擬復(fù)雜的非線性函數(shù)關(guān)系。許多類型的神經(jīng)網(wǎng)絡(luò)是通用逼近器，能以適合的精度逼近任意輸入輸出映射，已成為電磁工程領(lǐng)域中有力的工具。本文用仿生優(yōu)化算法來(lái)優(yōu)化反向傳播網(wǎng)絡(luò)的權(quán)值和閾值，形成了遺傳神經(jīng)網(wǎng)絡(luò)、蟻群神經(jīng)網(wǎng)絡(luò)和免疫神經(jīng)網(wǎng)絡(luò)這些新型的混合改進(jìn)算法。 結(jié)合先進(jìn)的微波電路