基于分层优化类电磁机制算法的天线优化设计

作者:胡晓朋;田雨波;李双双;许永秀; 刊名:计算机仿真 上传者:严宇

【摘要】针对复杂的多目标天线优化设计问题,提出了基于分层优化的类电磁机制算法。在类电磁机制算法的基础上引入小波变异算子,提高算法的种群多样性,从而克服算法后期易陷入局部最优的缺陷;引入分层优化机制,运用改进后的类电磁机制算法对多目标优化设计中的多个目标函数逐个进行寻优。将上述算法应用于一款手机内置的L折叠形单极天线优化设计。仿真结果表明,优化得到的天线结构性能达到指标要求,与已有文献相比尺寸更小,说明了该算法的可行性。

全文阅读

1引言天线在无线电通信系统中发挥着至关重要的作用,传统的优化方法如共轭梯度法等常常无法为具有复杂目标函数形式的天线设计问题提供满意的结果,而模拟或揭示某些自然现象或过程得到不断发展的智能优化算法由于其快速、高效、准确的特性逐渐引起天线设计者的关注。类电磁机制(Electromagnetism-like mechanism,EM)算法是由S. I. Birbil和S. C. Fang于2003年提出的一种智能优化算法[1]。其优化思想是模拟电磁场中带电粒子之间的吸引-排斥机制,具有寻优机制简单、收敛速度快等优点,目前已被国内外学者成功地用于解决天线优化设计问题[2][3]。但是,标准EM算法的后期,种群中的带电粒子出现“聚集”现象,此时算法易陷入局部极小值。为此,韩丽霞等引入扰动项,促使带电粒子可能移动到被忽视的区域,但扰动粒子的作用有限,并不能保证算法能在陷入局部最优时跳出[4]。Rocha等人构造的新的合力计算公式将前一次迭代所得的合力与当前迭代所得的合力进行加权叠加,但面对高维优化问题时合力计算公式依然可能发生溢出错误[5]。Lee等采用混合优化策略,将EM算法与PSO算法、GA算法相结合,在一定程度上解决了算法的早熟收敛问题,但构造的新的算法结构比较复杂,增加了算法的运行成本[6]。一般情况下,天线优化设计问题往往是多目标的优化设计问题。多目标问题通常包含多个目标函数(子函数),分别对应不同的设计指标。通常情况下多个目标是处于冲突状态的,一个目标性能的改善,往往以其它一个或多个目标性能的降低为代价。传统的多目标方法如加权组合法(weigh-ted aggregation,WA)将多目标问题转化为单目标问题,但是很难确定各分项加权系数的组合,容易造成仅部分指标达到要求但个别指标未达到要求的情况[3][7]。需要反复尝试,设置过程繁琐耗时。针对以上两个问题,本文提出一种基于分层优化的改进类电磁机制算法(Improved electromagnetism-like mechanismalgorithm based on Multi-level Optimization,MLOIEM)。首先,对基本EM算法进行改进,对每一代位置更新之后的粒子,以一定的概率选中进行小波变异扰动,进而克服EM算法在搜索后期易陷入局部最优的缺陷。再者,引入分层优化机制,将多目标优化问题中所有的目标函数通过EM算法逐个进行寻优,克服了WA方法中选取加权系数难且多个目标函数值不易同时收敛的问题。本文成功地将该算法应用于L折叠形单极天线(L-shaped folded monopole antennas,LF-MA)优化设计,运用MLOIEM算法对LFMA的S11、S21以及天线的体积这三个目标逐个进行优化。仿真结果表明,该方法求解得到的LFMA结构在2. 32-2. 57GHz频段内S11值低于-10dB、S21值低于-15dB,优化后天线体积仅为原始天线体积的42%。2 EM算法利用EM算法求解优化问题的步骤如下:1)初始化。可行域中随机产生Xbest个粒子,将最优粒子记为Xbest。2)局部搜索。对当前Xbest进行局部搜索。3)计算电荷量和合力。电荷量的计算公式为qi=exp(-Df(Xi)-f(Xbest)∑mk=1(f(Xk)-f(Xbest))),i=1,2,…,m(1)其中,D表示维度,f(xi)表示粒子i的适应度。之后,计算每个粒子所受的合力。仿照库仑定律的定义,带电粒子Xi所受合力的计算公式如下Fi=∑nj≠i(Xj-Xi)qiqj‖Xj-Xi‖2,f(X

参考文献

引证文献

问答

我要提问