收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

改进粒子群算法在天线设计中的应用

茅继晨  
【摘要】:群体智能算法作为元启发式优化算法的一个重要分支,以其独特的自适应性而生生不息。它能够被用来解决传统优化算法如梯度下降法等无法解决的优化问题,受到了各个领域学者的青睐。粒子群算法是上世纪九十年代年提出的一种智能优化算法,它具有参数少、逻辑简单、适应性强、寻优精度较高等优点。但在面对复杂问题时会存在收敛速度慢、易陷入局部最优、早熟收敛等问题。鉴于此,本文对标准粒子群算法做出改进,提高其性能,然后将改进之后的粒子群算法应用于阵列天线综合和WLAN天线的结构优化当中。论文的主要研究成果包括:1.对标准粒子群算法的产生由来、数学原理、研究现状、实际应用等方面进行阐述,指出算法的不足,为后续改良提供思路。2.针对粒子群算法目前存在的不足,为进一步提高算法的收敛速度和寻优能力,本文做出如下几个方面的改进:首先,采用多种群初始化策略,保证初始粒子在解空间的均匀分布;随后,引入精英指导策略来对粒子步进方向提供指导,提高收敛速度;然后,运用超球面扰动策略对陷入局部最优的精英粒子做扰动,保证群体的全局寻优能力;最后,用调整基本参数取值策略来平衡整个迭代收敛过程。3.利用标准测试函数,将本文的改进粒子群算法同标准粒子群及其它文献改进后的粒子群算法进行对比,来验证本文改进策略的有效性,并将标准测试函数做平移旋转,考察本文改进算法在空间未知复杂函数上的寻优能力。4.将本文改进粒子群算法应用于阵列天线方向综合图中,降低其副瓣电平及在指定方向实现深零陷抗干扰。5.将本文的改进算法应用于WLAN天线的结构参数优化当中,提高天线性能。针对HFSS仿真速度慢,导致算法优化时间过长的问题,以神经网络为基础建立天线的代理模型,代替费时的HFSS仿真以节约时间。


知网文化
【相似文献】
中国期刊全文数据库 前13条
1 周佳莉;;浅谈粒子群算法的应用[J];计算机产品与流通;2019年11期
2 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期
3 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期
4 吴丰;郭晓娟;;基于混合粒子群算法的船舶稳定性分析[J];舰船科学技术;2018年14期
5 邓广彪;;改进的粒子群算法在云计算下的数据挖掘中的研究[J];科技通报;2017年04期
6 张钊旭;王志杰;李建辰;王贵奇;许军;杨进候;;一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J];水下无人系统学报;2017年03期
7 朱俚治;王兴虎;;试谈粒子群算法[J];电脑编程技巧与维护;2017年11期
8 朱宝;;基于改进粒子群算法的盾构掘进施工优化研究[J];辽宁科技学院学报;2017年03期
9 袁正午;李君琪;;基于改进粒子群算法的云资源调度[J];计算机工程与设计;2016年02期
10 江嘉伟;毋文峰;;一种改进的粒子群算法[J];电脑编程技巧与维护;2016年06期
11 张卫明;周庆忠;黎武;;基于改进粒子群算法的野战油库选址优化[J];兵器装备工程学报;2016年08期
12 胡清;张强;;基于改进二进制粒子群算法的配电网故障定位[J];南京工程学院学报(自然科学版);2016年03期
13 杜振;宫会丽;;解决约束三维装箱问题的混合粒子群算法[J];计算机光盘软件与应用;2014年22期
中国重要会议论文全文数据库 前10条
1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年
6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
7 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集(上册)[C];2013年
8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(上册)[C];2008年
9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年
10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009(CSMO-2009)论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年
2 孟丽;粒子群算法及其在分数阶系统辨识中的应用研究[D];华北电力大学(北京);2016年
3 韩佳伟;多层级苹果预冷过程模拟及预冷控制决策优化[D];北京工业大学;2018年
4 钟继如;基于混合粒子群算法的小冲杆试验预测材料强度的研究[D];华东理工大学;2019年
5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年
6 王芳;粒子群算法的研究[D];西南大学;2006年
7 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
8 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年
10 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
中国硕士学位论文全文数据库 前10条
1 叶润舟;基于改进混合粒子群算法的快递最后一公里配送优化[D];合肥工业大学;2019年
2 陈爱博;基于柔性负荷的电网经济运行优化方法研究[D];沈阳工程学院;2019年
3 李晓航;增量配网型售电市场建模及运营策略研究[D];华北电力大学;2019年
4 胡康;一种改进粒子群算法及其应用[D];华北电力大学;2019年
5 康朝虎;融合向—位错模型和量子粒子群算法的断层参数反演研究[D];长安大学;2019年
6 余铖铨;考虑驾驶风格的混合动力汽车队列速度优化研究[D];江苏大学;2019年
7 张贺;混合粒子群算法在水电站优化调度中的应用研究[D];新疆大学;2019年
8 李思佳;文物虚拟挖掘真实感模拟的研究与应用[D];西北大学;2019年
9 茅继晨;改进粒子群算法在天线设计中的应用[D];杭州电子科技大学;2019年
10 徐练淞;多目标粒子群算法的改进研究[D];西华师范大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978