资源描述：
《基于改进粒子群算法的天线方向图综合技术》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第21卷第6期电波科学学报Vol.21,No.62006年12月CHINESEJOURNALOFRADIOSCIENCEDecember,2006文章编号100520388(2006)0620873206基于改进粒子群算法的天线3方向图综合技术金荣洪袁智皓耿军平范瑜李佳靖(上海交通大学电子工程系,rhjin@sjtu.edu.cn,上海200030)摘要针对基本粒子群算法的早熟收敛、易收敛于局部极值的特点,提出一种改进的粒子群优化算法,采用对全局最佳微扰和惯性权重跳变阈值的设置改善了算法的优化速度和收敛精度
2、。经过对一系列测试函数的计算,证明该方法具有良好的优化效果。最后,给出了该方法应用于阵列天线方向图综合中的模型和仿真实例。关键词粒子群优化算法,早熟收敛,阵列天线,方向图综合中图分类号TN820.1文献标识码AThepatternsynthesisofantennasbasedonamodifiedPSOalgorithmJINRong2hongYUANZhi2haoGENGJun2pingFANYuLIJia2jing(Dept.ofElectronicEngineering,ShanghaiJiaoTo
3、ngUniversity,rhjin@sjtu.edu.cn,Shanghai200030,China)AbstractInordertoovercomethedrawbacksofstandardparticleswarmoptimiza2tion(PSO)algorithm,suchasprematurityandeasilytrappinginlocaloptimum,amodifiedPSOalgorithmisproposed,inwhichspecialtechniques,asglobalbe
4、stperturbationandinertiaweightjumpthresholdareadopted.Theconvergencespeedandaccuracyofthealgorithmareimproved.Thetestbysomebenchmarkproblemsshowsthatitachievesrelativelyhighperformance.Finally,applicationsofthemodifiedPSOintheradiationpatternsynthesisofant
5、ennaarraysarealsopresen2ted.Keywordsparticleswarmoptimizationalgorithms,prematureconvergence,arrayantennas,patternssynthesis易于实现。基本PSO算法和其它的进化算法一样1引言有着收敛过快、早熟收敛、搜索范围不大、容易收敛二十世纪九十年代以来,模仿自然生物行为的到局部极值等问题。优化技术逐渐诞生了。其中,Eberhart和Kenne2近年来,PSO算法得到了广泛的关注,人们已[1,2][
6、3～8]dy在1995年提出的粒子群优化算法(PSO)是一经提出了各种改进的PSO算法来克服基本种基于鸟群、鱼群和人类社会的行为状态的模拟。PSO算法早熟收敛、易陷入局部极值的问题。惯性[3,4]它通过个体之间的协作,分享社会知识来达到进化权重和压缩因子是目前应用比较广泛的对基本优化的效果。PSO算法的收敛速度快,运算简单,粒子群算法的改进,能够大大改善优化性能。由3收稿日期:2005205222873©1994-2008ChinaAcademicJournalElectronicPublishingHou
7、se.Allrightsreserved.http://www.cnki.net874电波科学学报第21卷[3]kkkShi等提出的线性递减权重粒子群算法(LDW2c2·rad2·(gbestd-xid)(1)k+1kk+1PSO,LinearDecreasingWeightPSO)虽然提高了xid=xid+νid(2)PSO算法的收敛速度,但却很不容易跳出局部极其中ω为惯性权重,在最初的迭代公式中并不[4][3]值。压缩因子被证明是一种保证收敛的改进算存在,后来发现加上这项优化效果明显。c1和c2k法,但
8、是收敛速度过慢,不够理想。文献[5]提出的为学习因子,又称为加速因子。νid是第i个粒子当模糊kPSO算法,文献[7]将变异引入PSO算法,文前运动速度向量,xid是第i个粒子的位置向量。献[8]分析了PSO算法中的邻域和拓扑结构对优化pbesti是第i个粒子自身历史的最优位置向量,效果的影响。这些算法都在不同程度上改善了算法gbest是群体的最优位置向量。rand1和rand2是性能。(0,1)之间的随机数。式
