[發明專利]一種基于自適應演化優化算法的螺旋式天線設計方法

有效

• 申請號: 201910362426.4
• 申請日: 2019-04-30
• 公開（公告）號: CN110147590B
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 曾三友;章銳
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06F30/27
• 分類號: G06F30/27;H01Q1/36;G06N3/12;G06F111/04;G06F111/10
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 孫麗麗

本發明提供了一種基于自適應演化優化算法的螺旋式天線設計方法，包括：首先建立螺旋式天線的結構模型其對應的優化數學模型；然后采用基于強化學習的自適應演化優化算法對所述優化數學模型中的天線結構參數進行優化，得到最終優化后的天線結構參數；最后根據所述天線結構參數，對所述結構模型進行調整，得到設計好的螺旋式天線。本發明的有益效果是：本發明提出的技術方案利用強化學習來控制演化算法的參數和操作算子，從而實現自適應的差分演化算法，并利用自適應的差分演化算法運行過程中產生的大量中間結果數據，來指導演化算法后續的參數設置，從而得到螺旋式天線的最優天線結構參數，效率高，優化性能好。

技術領域

本發明涉及天線設計領域，尤其涉及一種基于自適應演化優化算法的螺旋式天線設計方法。

背景技術

演化計算是一種基于達爾文進化理論中優勝劣汰、適者生存的思想建立的智能優化技術。演化計算將優化問題的解作為個體的基因，優化問題的目標值作為個體的表現評價，在算法進行中，利用類似生物遺傳學中的交叉、變異操作來產生新的解，然后利用優勝劣汰的思想,表現較好的個體更容易被保留到下一代的運算中，如此便可以得到問題的最優解。演化算法的基本流程圖如圖8所示。演化計算具有自組織、自適應和自學習的特點，利用演化算法求解優化問題時，可以不用了解問題的全部特點。因此，相比于傳統的數學方法優化算法，演化算法在解決數學描述未知的復雜問題時更具有優勢。此外，演化計算還具有本質并行性。演化計算是以種群的形式對解空間進行搜索，種群中的解可同時對不同區域進行搜索，這種搜索方式很適合于并行計算。

隨著計算機硬件條件的高速發展，演化計算在解決優化問題上的優勢表現得越來越明顯。由于演化算法原理簡單，容易操作，并且具有通用性、高效性等特點，因此越來越受到人們的青睞。近年來，演化計算在自適應控制、機器學習、神經網絡、經濟預測和求解大型復雜優化問題等領域均取得了良好的表現。

然而傳統的演化算法在求解優化問題時，算法的表現與算法的參數設置(變異因子F，交叉概率CR的取值)以及所選的操作算子有很大的關系。對于求解不同的優化問題，甚至在求解同一個復雜優化問題的不同階段，演化算法最佳的參數設置和算子選擇都可能不同。因此，用單一參數設置的演化算法來求解不同類型優化問題或復雜優化問題時，有時會得不到理想的效果。

差分演化算法是一種經典的演化算法，它在解決傳統優化問題時具有良好的表現。和傳統的演化算法類似，差分演化算法主要包含三個操作：變異、交叉和選擇。其中最核心的變異操作，經過研究人員不斷的探索和改進，變異操作有了很多種不同的形式。其中最基礎的是DE/rand/1，和DE/best/1算子。

天線設計問題可以看作是一類以天線結構為搜索空間，尋求天線最優性能的優化問題，經典的優化方法難以求解此類優化問題，已有的經典天線實例并非通過求解此類優化問題而得的最優解，而是依靠專家的知識、經驗、直覺和實驗進行手工設計而得，通常不是最優天線，且幾何形狀單一，性能不盡人意。而演化算法對于解決此類問題具有得天獨厚的優勢。

發明內容

為了解決上述問題，本發明提供了一種基于自適應演化優化算法的螺旋式天線設計方法，主要包括以下步驟：

S101：根據實際需求，建立螺旋式天線的結構模型及其對應的優化數學模型；所述結構模型中螺旋線總圈數為a圈，每一圈上升高度的均值為b mm；其中，a和b均為根據實際需求設定的預設值；

S102：采用基于強化學習的自適應演化優化算法對所述優化數學模型中的天線結構參數進行優化，得到最終優化后的天線結構參數；

S103：根據所述天線結構參數，對所述結構模型進行調整，得到設計好的螺旋式天線。

進一步地，步驟S101中，所述優化數學模型的表達式如公式(1)所示：