蝶形单元电磁带隙结构粒子群优化设计研究

通过粒子群优化算法对一种具有蝶形单元的电磁带隙结构进行了优化设计,使其具有良好的频率特性.在优化过程中,为克服粒子群算法存在的早熟收敛和搜索精度低等问题,模拟生物克隆选择中5%的B细胞自然消亡过程,在优化算法进化过程中基于混沌理论和变异原理设计了粒子更新算法,并按照模拟退火方法进行更新后粒子的选择.通过仿真计算可以看出...     

基于神经网络集成的微带天线谐振频率建模

谐振频率是微带天线设计过程中最重要的一个参数,直接决定设计的成败.提出基于十进制粒子群优化(DePSO)算法和二进制粒子群优化(BiPSO)算法的选择性神经网络集成方法,通过粒子群优化(PSO)算法合理选择组成神经网络集成的各个神经网络,使个体间保持较大的差异度,减小"多维共线性"和样本噪声的影响.为有效保证PSO算法的粒子多样性,在迭代过程中加入混沌变异策略.仿真试验表明:混沌PSO算法可以有效提高神经网络集成的泛化能力,基于混沌PSO算法的选择性神经网络集成所建立的微带天线的谐振频率模型好于此问题的已有结论.     

基于粒子群与遗传算法的消色差超透镜自动设计

本文利用智能优化算法,对宽波段消色差超透镜进行设计优化。首先,研究构建于二氧化硅基底上的硅纳米柱这一微单元结构的光学特性,通过数值仿真扫描单元结构的半径构建相位数据库。之后,通过使用粒子群与遗传算法的混合算法(PSO＿GA)在相位数据库中找到最佳相位矩阵,即对应每个位置最佳的单元结构。最后,构建超透镜,通过仿真实验验证其可实现红外波段(1000 nm～1250 nm)的聚焦,且消色差效果优于传统粒子群优化算法所获得的超透镜结构。此超透镜的设计为平面光学器件的自动化设计提供了一种解决方法。     

基于停滞检测粒子群算法的阵列天线方向图综合

在线性递减权重粒子群算法的基础上提出了一种改进的粒子群优化算法.新算法采用了合适的邻域结构,通过停滞检测以及对全局最佳粒子的微扰改善了算法的优化速度和收敛特性.仿真结果表明:将此算法应用于天线方向图综合中,在多零点和低旁瓣约束情况下可以取得良好的优化效果.     

双层EBG结构的优化设计

研究了一种新型的双层电磁带隙(EBG)结构,该结构在金属导带上刻蚀蝶形单元,在接地板上刻蚀圆环孔,并运用粒子群优化算法(PSO)与高频电磁仿真软件(HFSS)相结合的方法对接地板刻蚀圆孔进行优化,使结构的传输特性更好.在优化过程中,首先对圆孔的外径进行优化,然后在此基础上再优化内径,通过仿真计算结果可看出,优化后-10 dB的相对带宽和阻带的衰减值分别增加了22.69％和15.26％,通带波纹减小了76.76％.优化后结构的频率特性较好,优化效果理想.     

采用粒子群优化算法的二阶偏振模色散自适应补偿实验

报道了使用两阶段补偿器的二阶偏振模色散(PMD)自适应补偿实验,采用粒子群优化(PSO)作为自动控制单元的算法,比较、分析了两种结构的PSO算法(全局邻居结构的PSO算法和局部邻居结构的PSO算法)的实验结果。     

求解连续空间优化问题的量子粒子群算法

为提高粒子群算法的搜索能力和优化效率并避免早熟收敛,将量子进化算法融合到粒子群算法中,提出一种求解连续空间优化问题的量子粒子群优化算法.用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;用量子非门实现变异,提高种群多样性.因每个量子位有两个概率幅,故每个粒子同时占据空间两个位置,在粒子数目相同时,能加速粒子的搜索进程.实验结果表明,本算法优于基本粒子群算法.     

中心粒子群优化算法

在线性递减权重粒子群优化算法(LDWPSO)中提到了中心粒子这一概念,进而提出了中心粒子群优化算法(中心PSO)。在线性递减权重粒子群优化算法中,中心粒子不像其它一般的粒子,中心粒子没有明确的速度,并且被始终置于粒子群的中心。此外,在神经网络训练算法中比较中心粒子群优化算法和线性递减权重粒子群优化算法,结果表明:中心粒子群优化算法的性能优于线性递减权重粒子群优化算法。     

基于随机加速系数的粒子群优化算法

针对粒子群算法中加速系数的取值问题,对C1和C2的各种取值策略做了充分调查分析,得到参数C1和C2对算法性能的影响规律,并提出了一种基于随机加速系数的粒子群优化算法.该算法在迭代的每一代中,加速系数取一定范围内随机产生的一组C1和C2的组合,通过非对称的、范围更大的C1和C2取值来增加算法的多样性,避免了算法早熟.在典型测试函数上进行对比实验,结果验证了新算法在优化性能和稳定性上高于传统粒子群优化算法.     

矩形微带天线谐振频率的粒子群神经网络建模

谐振频率是微带天线设计过程中最重要的一个参数,直接决定设计的成败.文章提出一种改进的前向神经网络模型,该模型采用粒子群优化算法进行训练,网络结构可以根据被建模问题的复杂程度进行自适应调整,进而得到泛化能力好的神经网络.通过这种改进的粒子神经网络对矩形微带天线的谐振频率进行建模,得到的结果明显优于该问题已有文献的结果,可见这种粒子群神经网络对此问题的有效性.基于粒子群神经网络的矩形微带天线谐振频率模型可以明显提高微带天线的计算机辅助设计水平.     

Parallel particle swarm optimization and finite- difference time-domain (PSO/FDTD) algorithm for multiband and wide-band patch antenna designs

This paper presents a novel evolutionary optimization methodology for multiband and wide-band patch antenna designs. The particle swarm optimization (PSO) and the finite-difference time-domain (FDTD) are combined to achieve the optimum antenna satisfying a certain design criterion. The antenna geometric parameters are extracted to be optimized by PSO, and a fitness function is evaluated by FDTD simulations to represent the performance of each candidate design. The optimization process is implemented on parallel clusters to reduce the computational time introduced by full-wave analysis. Two examples are investigated in the paper: first, the design of rectangular patch antennas is presented as a test of the parallel PSO/FDTD algorithm. The optimizer is then applied to design E-shaped patch antennas. It is observed that by using different fitness functions, both dual-frequency and wide-band antennas with desired performance are obtained by the optimization. The optimized E-shaped patch antennas are analyzed, fabricated, and measured to validate the robustness of the algorithm. The measured less than - 18 dB return loss (for dual-frequency antenna) and 30.5% bandwidth (for wide-band antenna) exhibit the prospect of the parallel PSO/FDTD algorithm in practical patch antenna designs.     

遗传算法与FDTD优化设计智能天线阵

研究了遗传算法(GA)和时域有限差分法(FDTD)结合来优化智能天线阵列。采用FDTD精确分析考虑互耦影响的智能天线阵,然后结合遗传算法以信噪比为优化基准对加权向量和天线的结构进行了一体化的优化设计,使用Fortran和MATLAB混合编程,优化设计了均匀直线阵和圆形智能天线阵。最后,通过实验天线验证了其有效性。     

Design of two-dimensional IIR digital filters by using a novel hybrid optimization algorithm

This paper proposes a hybrid optimization algorithm named as BBO–PSO, which is a combination of biogeography-based optimization (BBO) and particle swarm optimization (PSO). In BBO–PSO, the whole population will be split into several subgroups and BBO is employed for local search in each subgroup independently to achieve the different local optima while PSO is employed for global search based on the local optima to achieve the global optimum. The test results on the benchmark functions show that BBO–PSO has powerful search ability with great robustness. Furthermore, the proposed algorithm is applied to the design of the 2-D IIR digital filters and the simulation results show that it outperforms the existing methods on this problem.     

用粒子群算法设计的5镜系统与ZEBASE中5镜系统比较

将粒子群算法用于5片镜光学系统的设计优化中。由球差、像距、畸变、场曲、彗差和光线弥散值构成光学评价函数,用这个评价函数作为粒子群算法的适应度函数,优化设计了一结构简单的5 片镜系统,并把此5 片镜系统与ZEBASE 中5 片镜系统的球差、畸变、子午场曲、弧矢场曲、子午光线弥散值、弧矢光线弥散值、子午彗差、弧矢彗差进行了对比。对比结果显示,用粒子群算法设计的5片镜系统的球差、畸变、子午场曲、弧矢场曲、弧矢光线弥散值较小,ZEBASE 中五片镜系统的子午光线弥散值、子午彗差、弧矢彗差较小。设计实例表明,粒子群算法可以克服现有光学设计软件高度依赖具体初始结构的缺点,可以自由控制结构参数的搜索范围,从而提高光学系统设计的智能化程度。     

用Cauer网络综合技术提取PBG等效电路模型

本文从全波场分析结果出发,提取了PBG单元结构的集总等效有耗电路模型。对每个PBG单元采用时域有限差分（FDTD）方法进行全波分析,然后用Cauer部分分式展开形式和网络综合技术,由全波分析结果提取等效有损电路模型参数,并将提取获得的PBG单元等儿电路模型嵌入HP－ADS软件对整个PBG结构进行SPICE分析,得到的散射参量和全波分析结果比较基本一致,证明了该模型的准确性。这种模型可以嵌入电路分析和设计软件中,用来对应用了PBG结构的无源和有源电路进行优化与设计。     

基于GA和PSO算法的反射阵列仿真设计

遗传算法（GA）和粒子群算法（PSO）都属于进化算法,用于优化计算时,可以帮助寻找问题的最优解。将遗传算法和粒子群算法应用到反射阵列设计中,大大缩减了设计周期并提高了反射阵列性能。按照该方法设计出的极子阵列在10 GHz的高频下仍能保持大角度的RCS在-20 dB以上,并可以根据实际要求进行灵活调整,加工实物后进行实测,实测结果和仿真结果具有很好的一致性。     

Optimal design of smart antenna array

This letter investigates an efficient design procedure integrating the Genetic Algorithm (GA) with the Finite Difference Time Domain (FDTD) for the fast optimal design of Smart Antenna Arrays (SAA). The FDTD is used to analyze SAA with mutual coupling. Then,on the basis of the Maximal Signal to Noise Ratio (MSNR) criteria, the GA is applied to the optimization of weighting elements and structure of SAA. Finally, the effectiveness of the analysis is evaluated by experimental antenna arrays.     

Design of very thin wide band absorbers using modified local best particle swarm optimization

A method of using particle swarm optimization (PSO) algorithm to design electromagnetic absorber is presented. To demonstrate effectiveness of the PSO algorithm three different design cases are optimized. To reduce the local minimum traps, a modified local search strategy is employed. Each design problem is optimized using genetic algorithm (GA) and four variants of PSO algorithms, namely global PSO (gbest), local PSO (lbest), comprehensive learning PSO (CLPSO), and modified local PSO (MLPSO). The results clearly show that the MLPSO is a robust, fast, and useful optimization tool for designing absorbers. A seven-layer absorber achieved by this method has reflection coefficient below 18.7 dB from VHF to 20 GHz.     

基于神经网络的新型缺陷接地结构优化设计

应用人工神经网络与单纯形优化算法相结合的方法,对一种新型组合式非周期性缺陷接地结构(CNPDGS)进行优化设计.与电磁场数值分析方法相比,以神经网络模型作分析单元,可以在保证精度的基础上大大提高分析速度,因此在优化设计中可用来替代FDTD分析方法作为结构分析的计算单元.本文中以所要求的传输系数为期望日标,以可以使误差函数达到极小化的结构尺寸为输出,经单纯形优化算法寻优,进行该具有双阻带特性CNPDGS的优化设计.仿真设计和实验的对比结果表明了这一方法的有效性.     

基于天牛须算法的粒子群算法在PID参数整定上的应用

PSO虽然被广泛应用于包含PID参数整定等各种寻优问题中,但是传统粒子群算法在某些场合收敛速度慢且较容易陷入局部最优值。针对这些问题,文中提出一种将新型高效BAS融合进PSO算法的全局寻优过程,该方法可以更好地跳出局部最优点。同时,由于BAS算法为单一个体的算法,易因为早熟收敛陷入局部最优,故将BAS和传统的PSO结合也增强了BAS的丰富度。在Schaffer函数进行的20次独立测试显示,该算法相对于传统PSO和BAS取得了较好的寻优结果。最后,将算法应用到不稳定对象的PID参数寻优中,结果显示相对于PSO和改进PSO算法,新算法下的ts、tr、IAE、ISE等各项指标均得到了提高。