论文部分内容阅读
天线优化设计是近年来电磁优化领域的研究热点之一。它是指在决策空间中搜索出满足性能要求的天线的结构参数。如何快速有效地搜索出满足性能要求的结构参数有着重要的科研和实际运用意义。
在天线优化设计中存在着很多的多目标优化问题,例如,多频段天线的优化设计,小尺寸高增益天线的优化设计。传统解决多目标优化问题的方法是用权重系数将各子目标聚合为一个单目标,然后用解决单目标问题的方法来求解。单个权重系数的选择往往使得这种方法具有很大的计算量。鉴于进化算法是一类模拟自然进化过程的随机优化方法,它采用种群搜索策略,具有很强的全局搜索能力,用它来求解天线中的多目标优化问题已成为研究热点。随着进化算法的发展,基于分解的多目标进化算法(Multi-obiective Evolutionary Algorithm Basedon Decomposition,MOEA/D)在很多领域的成功运用显示了它在天线优化设计领域的运用潜力。本文正是将MOEA/D运用到天线结构优化设计中。
通过对MOEA/D的算法研究,本文得出三个主要结论:
1.MOEA/D用于优化设计多频段领结形微带贴片天线。MOEA/D与高频结构仿真器(High Frequency Structure Simulator,HFSS)结合用于优化设计三频段领结形天线和两款四频段领结形天线。仿真和测试结果说明,MOEA/D能有效地求解多频段天线优化设计问题。
2.提出了一种新型的混合算法——基于分解和遗传操作的多目标进化算法(Multi-objective Evolutionary Algorithm Basedon Decomposition Combinedwith Genetic Algorithm,MOEA/D-GA),并用它来优化设计fragment-type天线。此算法结合MOEA/D高效处理多目标优化问题的能力和遗传算法(Genetic Algorithm,GA)二维染色体编码的特性。数值测试和天线仿真结果显示了MOEA/D-GA在减少材料用量、新型结构的设计和减少辐射面积以抗损坏天线设计方面的运用潜力。
3.提出了一种新型的求解混合优化问题的混合算法——基于分解和统计与位置信息的多目标进化算法(Multi-obiecfive Evolutionary Algorithm Basedon Decomposition Using Statisticand Location Information,MOEA/D-SL),并用它来优化设计射频识别(Radio Frequency Identification,RFID)标签线天线。此算法利用进化搜索过程中的个体的统计信息和个体间的位置信息,能快速有效地求解混合优化问题。数值测试和线天线优化设计实例结果显示它的运用潜力。