一种稀布矩形平面阵的多约束优化方法

针对矩形孔径平面稀布阵的多约束优化问题(包括阵元数、阵列孔径和最小阵元间距约束), 提出了一种基于矩阵映射的差分进化算法.该方法把差分进化算法的优化变量与阵元位置坐标按照特定的关系进行矩阵映射, 使含有多约束的阵元分布优化问题转换为仅含差分进化算法优化变量上、下限约束的优化问题, 从根本上避免了进化过程中的不可行解.通过抑制阵列峰值副瓣电平进行仿真实验, 结果显示了该算法的高效性和稳健性, 且能获得比现有方法更好的优化结果.     

基于异法则矩阵映射的稀布矩形面阵优化

针对多约束条件下稀布矩形平面阵列天线的优化问题,提出异法则矩阵映射方法,以获得更低的峰值旁瓣电平。该方法在现有矩阵映射方法的基础上,对矩形平面中不同方向的坐标定义不同的映射法则,以满足实际工程应用中的多个约束条件,将有约束优化问题转化为无约束优化问题。异法则矩阵映射方法可以改善现有方法随机性强和搜索精度低的不足,提高搜索效率。为检验该方法的可行性进行了仿真实验,实验结果表明该方法可以有效降低阵列天线的峰值旁瓣电平。     

多约束稀布矩形平面阵列天线的方向图综合

针对多约束稀布矩形阵列天线的优化设计问题,该文提出一种新的矩阵映射(NMM)方法。首先,综合考虑阵元的可分布范围与可分布数量,重新定义阵元坐标矩阵的维数以提高阵元分布的自由度。其次,当坐标矩阵定义的阵元数量大于实际阵元数量时,建立选择矩阵以确定各阵元的取舍。再次,针对现有矩阵映射方法无法完全避免不可行解的问题,构建了一种NMM方法,通过两种不同的矩阵映射函数将多约束优化问题转换为无约束优化问题。最后进行仿真对比实验,实验结果证明了算法的有效性。

     

基于混合变异差分进化算法的均匀面阵稀疏优化

差分进化算法(DE)已被广泛应用于解决稀疏面阵优化问题,针对DE 算法早熟、全局搜索能力差、容易陷于局部最优的问题,提出一种混合变异差分进化算法,通过加入概率因子来平衡算法收敛速度与全局搜索能力,以阵列孔径、阵元数量以及阵元间距为约束条件,将算法中的实数编码转化为二进制编码,以方向图平面峰值旁瓣电平之和最低为目标函数,通过优化后得到的阵元分布,得到稀疏优化阵列的三维方向图。仿真结果表明:该方法在满足约束条件的同时,能够避免算法早熟得到较优的目标函数值,概率因子为算法提供了额外的自由度。     

基于改进差分进化算法的合成孔径圆阵优化

天线阵列设计是合成孔径辐射计的一项关键技术。圆阵可以实现零冗余基线分布,具有结构简单、 易于与平台共形等特点,是当前广泛关注和应用的合成孔径辐射计天线阵列形式之一。针对以u-v 覆盖均匀程度最 大化为目标的合成孔径圆阵优化问题,利用一个新的目标函数,提出了一种基于改进差分进化算法的优化方法. 新 的目标函数具有计算量小和u-v 覆盖均匀程度衡量精度高的优点,并且改进的算法可以保持种群规模。典型的数值 仿真结果给出了16 ~40 个天线单元的优化圆阵排列, 验证了本文方法的有效性。     

宽带稀布线阵的多约束优化设计

针对有阵列孔径、单元数、最小和最大单元约束的宽带稀布直线阵的综合问题,提出一种基于目标向量映射的差分进化算法。通过引入目标向量与需要布阵单元间距之间的映射关系,使单元间距的多约束转化为非约束优化问题,从根本上消除了优化过程中的不可行解,减小了布阵空间,降低了优化算法的计算量。以改善稀布线阵峰值旁瓣电平为目的进行仿真,仿真实验结果表明,稀布阵可以在给定的工作频段内有效的抑制阵列方向图的副瓣,能比现有方法处理更多的约束条件且算法具有好的收敛性和稳健性。     

用于天线优化的改进差分进化算法

提出了一种改进的差分算法(Improved DE,IDE),通过在现有变异策略DE/current-to-p-best/1的基础上加上群体中心对个体的差分,从而加快了整体算法的收敛速度;并采用一种简化的模拟退火选择策略,以兼顾收敛速度和寻找全局最优解的能力,避免了过快收敛而陷入局部最优解.此算法虽未采用自适应策略,经测试其优化结果比加入自变异策略的J.Zhang's差分进化算法(JADE)更好.该算法无论经数学测试、还是应用于天线阵列的优化,都有非常好的鲁棒性.     

圆形阵列天线优化稀布布阵方法研究

本文针对圆形阵列天线特有的角度特性,应用改进的差分进化算法,取角度差值为个体元素,进行阵列尺寸、阵元个数、最小间隔一定的稀布优化排列,减小了搜索区域,提高了搜索效率。仿真结果表明,该方法可有效提高收敛速度,降低方向图的旁瓣电平。     

基于二进制差分进化算法的MIMO 雷达阵列优化

针对智能优化算法在MIMO雷达稀疏阵列优化中具有条件约束和局部收敛等问题,本文提出一种参数自适应的二进制差分进化(Adaptive Binary Differential Evolution,ABDE)算法。首先,提出一种规范化的编码方式,解决阵元数和孔径约束问题。通过依次添加、去除阵元,并判断操作对目标函数值的影响来决定阵元位置。其次,改进差分进化算法。借鉴和声搜索(Harmony Search,HS)算法,引入随机扰动,从而增加种群的多样性。通过定义一种二进制差分变异方式BDE/best/1,使父代信息尽量多地传递给子代。然后,提出参数自适应调整策略。利用logistic函数,构造S型的种群进化曲线。最后,MIMO雷达阵列优化设计实验验证了算法的有效性。     

一种求解约束优化问题的自适应差分进化算法

自适应算子选择方式已被用于差分进化算法求解全局优化问题及多目标优化问题,然而在求解约束优化时难于为自适应算子选择方式找到一种方式来恰当分配信用。为此,本文提出了一种基于混合种群的自适应适应值方式来对约束优化问题中变异策略进行信用分配并采用概率匹配方法自适应选择差分变异策略,同时对算法变异缩放因子与交叉率进行自适应设置提高算法的成功率。实验结果表明算法在求解约束优化问题相比于CODEA／OED, ATMES,εBBO-dm,COMDE 以及εDE算法有较高的收敛精度及收敛速度,同时验证了自适应方式的有效性。该算法可用于预报、质量控制、会计过程等科学和工程应用领域。     

基于混合三角变异差分进化算法的平面稀疏阵列约束优化

针对旁瓣零陷凹面约束的稀疏平面阵列优化及算法早熟等问题,该文基于参数自适应的思想,提出一种混合三角变异差分进化算法。通过引入旁瓣零陷凹面约束矩阵,构建自适应惩罚函数,时变权重组合变异策略与交叉策略,提高算法前期全局搜索能力和后期收敛能力,最终实现峰值旁瓣电平和旁瓣零陷凹面的平面阵列约束优化。仿真结果表明,对比混合三角变异策略前的算法,该算法在完成稀疏阵列峰值旁瓣电平优化的同时,能在指定旁瓣区域完成零陷凹面设计,降低有源干扰影响。

     

一种多约束稀布线阵的天线综合方法

 针对有阵元间距上、下限约束与口径约束的稀布直线阵列综合问题,提出了一种基于向量映射的改进遗传算法.该方法将遗传变量与阵元间距按照特定的关系进行映射,从而使阵元间距的强约束优化问题转换为仅含遗传变量上、下限约束的优化问题,从根本上避免了遗传操作中的不可行解.通过抑制天线峰值旁瓣电平(PSLL)的稀布阵仿真,验证了该方法的有效性和稳健性,且能获得比现有方法更高的优化效率.     

基于差分演化算法的自适应无迹卡尔曼滤波

该文在分析无迹变换缩放参数选择方法的基础上,通过对几种缩放参数选择方法的对比分析后,确定以缩放参数选择作为优化目标,将差分演化算法(Differential Evolution, DE)应用到无迹卡尔曼滤波(Unscented Kalman Filter, UKF)计算中,选择每时刻滤波误差最小的缩放参数。提出了基于差分演化算法的自适应无迹卡尔曼滤波算法。通过实验表明,这种自适应策略不仅能够有效提高UKF的精度,避免使用固定缩放参数时可能造成的滤波随机发散;而且不受缩放参数个数限制,可以应用到任意形式的UKF中。     

多种群协方差学习差分进化算法

种群多样性与交叉算子在差分进化(DE)算法求解全局优化问题中具有重要作用,该文提出一种多种群协方差学习差分进化(MCDE)算法。首先,采用多种群机制的种群结构,利用每一子种群结合相应的变异策略保证进化过程个体多样性。然后,通过种群间的协方差学习,为交叉操作建立一个适当旋转的坐标系统;同时,使用自适应控制参数来平衡种群的勘测与收敛能力。最后,在单峰函数、多峰函数、偏移函数和高维函数的25个基准测试函数上进行测试,并同其他先进的进化算法对比,实验结果表明该文算法相较于其他算法在求解全局优化问题上达到最优效果。     

考虑互耦的多约束半波振子直线阵方向图综合

对于有阵列口径、单元数以及最小单元间距三重设计约束的半波振子直线阵,文中运用粒子群优化算法(PSO)通过调整阵元的间距实现了其低副瓣方向图综合,并用感应电动势法来计算阻抗矩阵,精确地计入了单元间的耦合.且通过引入新的粒子生成方法和改进传统PSO的优化操作进程,简化了优化模型,直接满足了最小阵元间距约束,减小了寻优的解空间,有效地降低了PSO的计算量,提高了优化速度.实例验证了该方法计入互耦进行方向图综合的准确性和改进后的PSO的高效性.     

用修正的差分进化算法确定光电模型参数

RsRp模型是研究光伏(PhotoVoltaic,PV)器件特性的一种有效的方法,它兼顾了计算复杂性和精度两个方面。在该模型中有5个参数需要确定,它们分别是光电流PVI,二极管饱和电流oI,二极管理想常数a,串联电阻sR和并联电阻pR。为了能找到准确的PV模型参数,该文提出一种修正的差分进化(Modified Differential Evolution,MDE)算法。MDE在变异中使用不同的尺度因子,有助于提高种群的多样性。另外,它在交叉操作中也采用了不同的交叉率,使自身能够轻易地摆脱局部最优点。实验结果表明,MDE算法能够用较少的时间找到准确的RsRp模型参数,使基于MDE算法和RsRp模型的I-V曲线能与实验点相匹配。     

用遗传算法优化任意稀布率的平面阵列

通过给经典遗传算法(GA)的变异算子赋予新的功能,实现了任意稀布率的平面阵或线阵方向图的优化.研究了遗传算法参数和优化结果之间的关系,仿真结果表明,同时考虑峰值副瓣电平和波束宽度才能获得更满意的稀布结果.归纳得出一个平面稀布阵峰值副瓣电平的估计公式,并和随机稀布阵的公式进行了比较,数值结果表明该公式有一定的工程意义.     

基于中心对齐多核学习的稀疏多元逻辑回归算法

稀疏多元逻辑回归(SMLR)作为一种广义的线性模型被广泛地应用于各种多分类任务场景中。SMLR通过将拉普拉斯先验引入多元逻辑回归(MLR)中使其解具有稀疏性,这使得该分类器可以在进行分类的过程中嵌入特征选择。为了使分类器能够解决非线性数据分类的问题,该文通过核技巧对SMLR进行核化扩充后得到了核稀疏多元逻辑回归(KSMLR)。KSMLR能够将非线性特征数据通过核函数映射到高维甚至无穷维的特征空间中,使其特征能够充分地表达并最终能进行有效的分类。此外,该文还利用了基于中心对齐的多核学习算法,通过不同的核函数对数据进行不同维度的映射,并用中心对齐相似度来灵活地选取多核学习权重系数,使得分类器具有更好的泛化能力。实验结果表明,该文提出的基于中心对齐多核学习的稀疏多元逻辑回归算法在分类的准确率指标上都优于目前常规的分类算法。