资料
  • 资料
  • 专题
混合遗传算法在天线阵方向图优化中的应用
推荐星级:
类别: 消费电子
时间:2020-02-20
大小:93.5KB
阅读数:167
上传用户:微风DS
查看他发布的资源
下载次数
0
所需E币
5
资料介绍
40 混合遗传算法在天线阵方向图优化中的应用-张则伟 混合遗传算法在天线阵方向图优化中的应用 摘要:本文通过在遗传算法中加入一个改进的模式搜索算子,利用模式搜索的局部 搜索功能,使得本算法能以较大的概率求得天线阵副瓣电平较低的全局解。 关键词:天线阵;圆阵;方向图;遗传算法;模式搜索法 1. 引言 遗传算法将生物进化中遗传、变异、自然选择等观点引入优化计算中,只需要优化象的 目标函数值,在不可微甚至不连续的函数优化中,遗传算法能以较大的概率求得全局最 优解,具有较强的鲁棒性、适应性和高度的并行性等特点,而且算法简单,得到广泛重 视。然而本人运用遗传算法对天线阵方向图的副瓣电平进行反复优化时,发现效果并不 理想,多次运行结果能找到最优解的次数很少,为解决此问题,在遗传算法的基础上引 入一种混合遗传算法。 2. 遗传算法 遗传算法主要借用生物进化中"适者生存"的规律,是具有"生成+检测"的迭代过程的搜 索算法,遗传算法是一种群体型操作,该操作以群体中的所有个体为对象。选择、交叉 和变异是遗传算法的三个主要操作算子。遗传算法包含如下6个基本步骤: (1)确定编码方法:由于遗传算法不能直接处理解空间的解数据,因此必须通过编码将它 们表示成遗传空间的基因型串结构数据。 (2)生成初始群体:由于遗传算法的群体型操作需要,所以必须为遗传操作准备一个由若 干初始解组成的初始群体。初始群体的每个个体都是通过随机方法产生的。 (3)确定个体评价方法:遗传算法在搜索进化过程中一般不需要其他外部信息,仅用适应 度值来评估个体或解的优劣,并作为以后遗传操作的依据。 (4)选择:选择或复制操作是为了从当前群体中选出优良的个体,使它们有机会作为父代 为下一代繁殖子孙。个体适应度越高,其被选择的机会就越多。一般采用与适应度成比 例的概率方法进行选择。具体地说,就是首先计算群体中所有个体适应度的总和(∑f) ,再计算每个个体的适应度所……
版权说明:本资料由用户提供并上传,仅用于学习交流;若内容存在侵权,请进行举报,或 联系我们 删除。
相关评论 (下载后评价送E币 我要评论)
没有更多评论了
  • 可能感兴趣
  • 关注本资料的网友还下载了
  • 技术白皮书