專利名稱：采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電磁領(lǐng)域的一種天線寬帶匹配網(wǎng)絡(luò)的參數(shù)優(yōu)化方法，更特別地說，是指一種采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法。
背景技術(shù)：
在現(xiàn)代電子設(shè)備中，由于天線性能要求和安裝條件等諸多方面的限制因素，單獨(dú)的天線設(shè)計(jì)在很多情況下往往難以同時(shí)滿足寬帶化、小型化的設(shè)計(jì)要求。對于結(jié)構(gòu)形式已定的天線，設(shè)計(jì)寬帶匹配網(wǎng)絡(luò)是進(jìn)一步改善天線小型化和寬帶化性能的一種有效技術(shù)手段。目前寬帶匹配網(wǎng)絡(luò)的設(shè)計(jì)方法主要有解析法、數(shù)值法和智能優(yōu)化法三種。解析法 以單匹配網(wǎng)絡(luò)設(shè)計(jì)理論為基礎(chǔ)，但解析法在增益函數(shù)最優(yōu)形式的確定、源和負(fù)載的解析表達(dá)等方面存在明顯不足，很難滿足實(shí)際工程設(shè)計(jì)的要求。數(shù)值法以實(shí)頻數(shù)據(jù)法和參量技術(shù)法為代表。數(shù)值法相比解析法具有明顯的優(yōu)勢，但是也存在著一些固有的缺點(diǎn)，比如難以獲得全局最優(yōu)解、對初值的選擇很敏感、實(shí)頻數(shù)據(jù)法中的兩次優(yōu)化計(jì)算可靠性差等。隨著全局搜索技術(shù)的發(fā)展，遺傳算法(國防工業(yè)出版社，1999年6月出版，《遺傳算法的原理及應(yīng)用》，作者周明、孫樹棟)、模擬退火算法(科學(xué)出版社，2003年5月，《非數(shù)值并行算法-模擬退火算法》，作者康立山、謝云、尤矢勇、羅祖華)等一些智能算法的出現(xiàn)，為寬帶匹配網(wǎng)絡(luò)的設(shè)計(jì)提供了新的技術(shù)手段。與解析法和數(shù)值法相比，智能優(yōu)化方法無須對負(fù)載進(jìn)行解析表示，而是依據(jù)負(fù)載頻帶內(nèi)的一些離散阻抗值，通過最優(yōu)化技術(shù)尋求網(wǎng)絡(luò)元件值的最優(yōu)解，在工程應(yīng)用方面更具靈活性和實(shí)用性。但智能優(yōu)化方法在收斂速度、微調(diào)能力、計(jì)算效率、算法穩(wěn)定性等方面也并非盡善盡美，智能優(yōu)化方法的選擇和應(yīng)用對于具體的設(shè)計(jì)問題需要具體分析。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，該優(yōu)化方法采用遺傳-模擬退火組合方法設(shè)計(jì)出天線寬帶匹配網(wǎng)絡(luò)中各集總參數(shù)元件的參數(shù)值，以遺傳算法得到遺傳算法中的最優(yōu)解，然后通過模擬退火算法進(jìn)行二次尋優(yōu)，克服了遺傳算法微調(diào)能力差的缺點(diǎn)，同時(shí)將所述的遺傳算法中的最優(yōu)解作為模擬退火算法待優(yōu)化變量的初值，避免了模擬退火算法對初值的依賴。此外，針對天線寬帶匹配網(wǎng)絡(luò)的優(yōu)化問題，該組合方法采用了多目標(biāo)并列選擇法，用于兼顧天線駐波比和轉(zhuǎn)換效率兩個(gè)重要的技術(shù)指標(biāo)的要求，引入交叉和變異算子的自適應(yīng)調(diào)節(jié)，有利于提高遺傳算法的計(jì)算速度和效率。引入最優(yōu)解保留策略，避免了最優(yōu)個(gè)體的流失。本發(fā)明的一種采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，其包括有下列步驟步驟一基于遺傳算法的種群初始化，獲得待優(yōu)化變量X = {XCa，XLb, XRd, XTj ；
在步驟一中，將寬帶匹配網(wǎng)絡(luò)等效電路中電容、電感和電阻采用基于遺傳算法的的種群處理，得到待優(yōu)化變量X = {XCa，XLb, XRd, XTJ ；所述待優(yōu)化變量X = {XCa，XLb, XRd, XTj中XCa表示電容種群，a表示等效電路中電容的標(biāo)識，如第一電容Cl的第一電容種群記為XCa ;同理可得，第二電容種群記為xce2，第三電容種群記為XCe3，第四電容種群記為XCw，第五電容種群記為XCra ;等效電路中所有電容種群采用集合形式表示為XCa = {XCcl, XCc2, XCc3, XCc4, XCcJ ；XLb表示電感種群，b表示等效電路中電感的標(biāo)識，如第一電感LI的第一電感種群記為XLu ;同理可得，第二電感種群記為XU2,第三電感種群記為XLU，第四電感種群記為XLm，第五電感種群記為XLm ;等效電路中所有電感種群采用集合形式表示為XLb = {XLl1,XLl2, XLl3, XLl4, XLlJ ；XRd表示電阻種群，d表示等效電路中電阻的標(biāo)識，如第一電阻Rl的第一電阻種群記為XRki ;同理可得，第二電阻種群記為XRk2，第三電阻種群記為XRk3 ;等效電路中所有電阻 種群采用集合形式表示為XRd = {XRE1, XRk2，XRe3I ；XTe表示變壓器種群，e表示等效電路中變壓器的輸入/輸出電壓比；步驟二 基于遺傳算法的染色體處理，獲得總種群Q, = {J)X( : r DX/, DXR:, DXT；；};在步驟二中，基于遺傳算法中的染色體，對電容種群XCa在變量取值DC中隨機(jī)生成m個(gè)變量值DIT ={XCIXC,-,XC}，0 < DC彡SOOpF ^表示標(biāo)識a電容種群在第
I個(gè)染色體中的變量值，Xra2表示標(biāo)識a電容種群在第2個(gè)染色體中的變量值，……’AT:表示標(biāo)識a電容種群在第m個(gè)染色體中的變量值，也稱標(biāo)識a電容種群在任意一個(gè)染色體中的變量值；基于遺傳算法中的染色體，對電感種群XLb在變量取值DL中隨機(jī)生成w個(gè)變量值DXrh={XLlXLl--,XL'j , 0 < DL ^ 0. I u H 表示標(biāo)識b電感種群在第I個(gè)染色體中
的變量值，夂拉表示標(biāo)識b電感種群在第2個(gè)染色體中的變量值，……表示標(biāo)識b電感種群在第w個(gè)染色體中的變量值，也稱標(biāo)識b電感種群在任意一個(gè)染色體中的變量值；基于遺傳算法中的染色體，對電阻種群XRd在變量取值DR中隨機(jī)生成V個(gè)變量值DXRvd ={XRl XR2d,-,XR^} ,0<DR^5kQ ; 17 表示標(biāo)識d電阻種群在第I個(gè)染色體中的
變量值，夂巧表示標(biāo)識d電阻種群在第2個(gè)染色體中的變量值，……Zi ,表示標(biāo)識d電阻種群在第V個(gè)染色體中的變量值，也稱標(biāo)識d電阻種群在任意一個(gè)染色體中的變量值；基于遺傳算法中的染色體，對變壓器種群XTe在變量取值DT中隨機(jī)生成n個(gè)變量值/MT/ 0.1 ^ DT ^ 10 ir1表示標(biāo)識e變壓器種群在第I個(gè)染色體中的變量值，XT表示標(biāo)識e變壓器種群在第2個(gè)染色體中的變量值，……，JT/表示標(biāo)識e變壓器種群在第n個(gè)染色體中的變量值，也稱標(biāo)識e變壓器種群在任意一個(gè)染色體中的變量值；對于待優(yōu)化變量X = {XCa，XLb, XRd, XTJ經(jīng)遺傳算法中的染色體處理得到總種群Or. = < !)X( '；，DXl, DXR ；. DXlI ;
^ ,以ICl ^U ^Ci Jif j ^步驟三以多目標(biāo)優(yōu)化函數(shù)，按照并列選擇法為目標(biāo)函數(shù)中各個(gè)函數(shù)分配種群；
在步驟三中，將總種群込雙
= {f目標(biāo)，1 }的個(gè)數(shù)均等地劃分為第一子群體Q1和第二子群體Q2，對每個(gè)子群體分配目標(biāo)函數(shù)Mg#= {f I gg}中的一個(gè)進(jìn)行優(yōu)化；步驟四以交叉變異獲取子種群的優(yōu)化量；在步驟四中，對第一子群體Q1進(jìn)行交叉變異，保留每一代優(yōu)化量，即第一優(yōu)化量DQ1 ;對第二子群體Q2進(jìn)行交叉變異，保留每一代優(yōu)化量，即第二優(yōu)化量DQ2 ;交叉變異獲取每一代優(yōu)化量的具體步驟為步驟401 :獲取第一子群體Q1中的任意2個(gè)染色體、0/^乍為當(dāng)前染色體AQm={CM^CMBQ^，也稱為當(dāng)前第一染色體』0 ；獲取第二子群體免中的任意2個(gè)染色體0%2、0%2作為當(dāng)前染色體BQ^ ={CM-^CMbQ2}，也稱為當(dāng)前第二染色體5 - = [CM-^2,CMbq2);步驟402 :對當(dāng)前第一染色體前=[CM^CMbqi)中的兩個(gè)個(gè)體進(jìn)行交叉處理，生成新第一染色體=|CCM^，CCMjj，CCMg表示交叉后第一個(gè)染色體，CrMl1表示交叉后第二個(gè)染色體；所述交叉處理依據(jù)第一適應(yīng)性策略模型
權(quán)利要求
1.一種采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，其特征在于包括有下列步驟 步驟一基于遺傳算法的種群初始化，獲得待優(yōu)化變量X = {XCa, XLb, XRd, XTJ ； 在步驟一中，將寬帶匹配網(wǎng)絡(luò)等效電路中電容、電感和電阻采用基于遺傳算法的的種群處理，得到待優(yōu)化變量X = {XCa, XLb, XRd, XTJ ； 所述待優(yōu)化變量X = {XCa, XLb, XRd, XTJ中XCa表示電容種群，a表示等效電路中電容的標(biāo)識，如第一電容Cl的第一電容種群記為XCa ;同理可得，第二電容種群記為XCc2，第三電容種群記為XCra，第四電容種群記為XCw，第五電容種群記為XCCra ;等效電路中所有電容種群采用集合形式表示為XCa = {XCcl, XCc2, XCc3, XCc4, XCcJ ； XLb表示電感種群，b表示等效電路中電感的標(biāo)識，如第一電感LI的第一電感種群記為XLu ；同理可得，第二電感種群記為XU2,第三電感種群記為XLu，第四電感種群記為XLl4，第五電感種群記為XLm ;等效電路中所有電感種群采用集合形式表示為XLb = {XLl1, XLl2,XLl3, XLl4, XLlJ ； XRd表示電阻種群，d表示等效電路中電阻的標(biāo)識，如第一電阻Rl的第一電阻種群記為XRei ;同理可得，第二電阻種群記為XRk2，第三電阻種群記為XRk3 ;等效電路中所有電阻種群采用集合形式表示為XRd = {XRE1, XRk2，XRe3I ； XTe表示變壓器種群，e表示等效電路中變壓器的輸入/輸出電壓比； 步驟二 基于遺傳算法的染色體處理，獲得總種群= i/Wr(T,/)_A7;/)A7t/)A7l ; 在步驟二中，基于遺傳算法中的染色體，對電容種群XCa在變量取值DC中隨機(jī)生成m個(gè)變量值￡>1了，0 < DC彡SOOpF，尤G表示標(biāo)識a電容種群在第I個(gè)染色體中的變量值，Xr,)表示標(biāo)識a電容種群在第2個(gè)染色體中的變量值， …Xt M表示標(biāo)識a電容種群在第m個(gè)染色體中的變量值，也稱標(biāo)識a電容種群在任意一個(gè)染色體中的變量值； 基于遺傳算法中的染色體，對電感種群XLb在變量取值DL中隨機(jī)生成w個(gè)變量值DXL={XLlb,Xll,--,XLl} , 0 < DL ^ 0. I u H 表示標(biāo)識b電感種群在第I個(gè)染色體中的變量值，2 表示標(biāo)識b電感種群在第2個(gè)染色體中的變量值，......，^表示標(biāo)識b電感種群在第w個(gè)染色體中的變量值，也稱標(biāo)識b電感種群在任意一個(gè)染色體中的變量值；基于遺傳算法中的染色體，對電阻種群XRd在變量取值DR中隨機(jī)生成V個(gè)變量值J)XR\={^Ri.XRl---,XR},0< DR ^ 5k Q 表示標(biāo)識d電阻種群在第I個(gè)染色體中的變量值，夂巧表示標(biāo)識d電阻種群在第2個(gè)染色體中的變量值，……，X疋表示標(biāo)識d電阻種群在第V個(gè)染色體中的變量值，也稱標(biāo)識d電阻種群在任意一個(gè)染色體中的變量值； 基于遺傳算法中的染色體，對變壓器種群XTe在變量取值DT中隨機(jī)生成n個(gè)變量值DXT={XT^XT；,-,XT},0. I ^ DT ^ 10 JT表示標(biāo)識e變壓器種群在第I個(gè)染色體中的變量值，表示標(biāo)識e變壓器種群在第2個(gè)染色體中的變量值，……T表示標(biāo)識e變壓器種群在第n個(gè)染色體中的變量值，也稱標(biāo)識e變壓器種群在任意一個(gè)染色體中的變量值； 對于待優(yōu)化變量X = {XCa, XLb, XRd, XTJ經(jīng)遺傳算法中的染色體處理得到總種群
2.根據(jù)權(quán)利要求I所述的采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，其特征在于若第一子群體Q1采用了目標(biāo)函數(shù)1_=中的天線駐波比進(jìn)行優(yōu)化，則第二子群體Q2應(yīng)當(dāng)采用目標(biāo)函數(shù)Mw=中的轉(zhuǎn)換功率增益1@#進(jìn)行優(yōu)化；反之，若第二子群體Q2采用了目標(biāo)函數(shù)1_=中的天線駐波比進(jìn)行優(yōu)化，則第一子群體Q1應(yīng)當(dāng)采用目標(biāo)函數(shù)Mw=中的轉(zhuǎn)換功率增益I 進(jìn)行優(yōu)化。
3.根據(jù)權(quán)利要求I所述的采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，其特征在于采用的變壓器TO的輸入/輸出電壓比為DT: I。
4.根據(jù)權(quán)利要求I所述的采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，其特征在于染色體的變量m、w、v和n的取值為200個(gè)。
5.根據(jù)權(quán)利要求I所述的采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，其特征在于所述遺傳算法中選用的迭代步數(shù)K為250。
6.根據(jù)權(quán)利要求I所述的采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，其特征在于所述模擬退火算法中選用的初始溫度TO為0. 05度，截止溫度Tend為0. 00001度，降溫速度a為0. 9。
全文摘要
本發(fā)明公開了一種采用遺傳-模擬退火組合對天線寬帶匹配網(wǎng)絡(luò)中電子元件參數(shù)的優(yōu)化方法，該方法在遺傳算法的基礎(chǔ)上，通過模擬退火算法進(jìn)行二次尋優(yōu)，克服了遺傳算法微調(diào)能力差的缺點(diǎn)，同時(shí)將遺傳算法優(yōu)化得到的最優(yōu)個(gè)體作為模擬退火算法待優(yōu)化變量的初值，避免了模擬退火算法對初值的依賴。此外，針對天線匹配網(wǎng)絡(luò)的優(yōu)化問題，該組合方法采用了多目標(biāo)并列選擇法，用于兼顧天線駐波比和轉(zhuǎn)換效率兩個(gè)重要的技術(shù)指標(biāo)的要求，引入交叉和變異算子的自適應(yīng)調(diào)節(jié)，有利于提高算法的計(jì)算速度和效率。同時(shí)引入最優(yōu)解保留策略，避免最優(yōu)個(gè)體的流失。
文檔編號G06F17/50GK102722613SQ201210177820
公開日2012年10月10日 申請日期2012年5月31日 優(yōu)先權(quán)日2012年5月31日
發(fā)明者姜維維, 姜鐵華, 安康, 房見, 楊綽, 陳愛新 申請人:北京航空航天大學(xué)