粒子群优化算法用于阵列天线方向图综合设计.pdfVIP

粒子群优化算法用于阵列天线方向图综合设计 杨科 陈胜兵 焦永昌 张福顺 （西安电子科技大学，天线与电磁散射研究所，陕西，西安，710071） 摘 要 : 粒子群优化算法是基于一群粒子的智能运动而产生的随机进化计算方法，其优点是算法非常利于 理解和应用。本文首先介绍了粒子群算法的原理和流程，研究了如何将这种方法运用于天线阵的方向图综 合上，最后给出了PSO算法在综合阵列方向图的应用实例，表明了粒子群算法在天线阵列综合上具有广泛的 应用前景。 关键词: 粒子群算法; 阵列天线;天线方向图; Particle Swarm Optimization in the Antenna Array Pattern Synthesis Yang Ke ，Chen Sheng-bing, Jiao Yong-chang ，Zhang Fu-shun (Inst. of Antennas and EM Scattering, Xidian Univ., Xi’an 710071, China) Abstract:Particle Swarm optimization (PSO) is a robust stochastic evolutionary computation technique based on the movement and intelligence of swarm, which is very easy to understand and implement. This paper introduces a conceptual overview and detailed explanation of the PSO algorithm, as well as how it can be used for antenna array design, and presents several results optimized by PSO, which show the abroad application foreground of PSO in the antenna array design. Key words: Particle Swarm Optimization, Array antenna, Radiation Pattern 1．引言 [1] PSO算法最早是由kenndey和Eberhart等 于1995年提出的。受到人工生命的研究结果启发，PSO 的基本概念源于对蜂群采蜜行为的研究。由于认识到PSO在函数优化等领域所蕴含的广阔的应用前 景，在kenndey和Eberhart之后很多学者都进行了这方面的研究。目前，PSO 已应用于了函数优化，神 [2][3] 经网络训练，模式分类，模糊系统控制以及其它的领域，在电磁学领域也有了一些成功的应用 。 2 粒子群算法 2.1 基本PSO算法 PSO 算法与其它演化算法相似，也是一种基于群体的优化算法。设想这样一个场景：有一群蜜 蜂，它们的任务是在一个区域里寻找花蜜最多的花群，所有的蜜蜂都不知花群的具体位置。每只蜜 蜂都只是从一个随机的位置，以一个随机的速度开始寻找花群，但每一只蜜蜂都有记忆它自己和整 个蜂群所经历最好花群地点的能力。那么找到花群的最优策略是什么呢？最简单有效的方法就是每 只蜜蜂根据某种原则不断的改变飞行方向，直到找到花蜜最多的花群。PSO 算法从这种模型中得到 启示并用于解决优化问题。PSO 算法中，每个优化问题的潜在解都是有哪些信誉好的足球投注网站空间中的一只蜜蜂，称之 杨 科（1979-），男，陕西汉中人，现为西安电子科技大学系统工程在读硕士研究生 134-1 为 “粒子”。所有的粒子都有一个由被优化的函数决定的适应度值，并且每个粒子还有一个速度决定