[發明專利]求解天線陣列綜合問題的約束超多目標智能優化轉換方法

在審

• 申請號: 201911170078.7
• 申請日: 2019-11-26
• 公開（公告）號: CN111191339A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 焦儒旺;曾三友;許慶輝
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/00;H01Q21/00
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 金慧君

本發明公開了一種求解天線陣列綜合問題的約束超多目標智能優化方法，把違約值作為一個目標，同時在初始階段將約束邊界松弛包含整個種群，這樣初始種群就暫時看做是可行的，算法就可專注于多樣性與收斂性的平衡而不用考慮約束條件，在每一代，松弛約束邊界動態地縮減，收縮后的動態約束邊界仍包含種群中的大部分個體，所以當前種群中的大部分個體也可看做是可行的，這樣就將一個具有強約束的超多目標天線陣列優化問題轉化為弱約束或無約束的動態超多目標天線陣列優化問題，任何已有的無約束超多目標演化算法都可嵌入到本方法中求解超多目標天線陣列綜合問題。

技術領域

本發明涉及智能優化領域，具體涉及一種求解天線陣列綜合問題的約束超多目標智能優化轉換方法。

背景技術

天線陣列綜合問題的目標是找到合適的激勵向量和天線單元的合適布局以產生理想的輻射模式，它是一類復雜的優化問題，具有:非線性，陣因子函數是非線性的；多目標，一個天線陣列綜合設計問題通常需要優化多個目標，如波束寬度、旁瓣電平、零點以及陣元激勵幅度動態范圍等；強約束，通常需要滿足指定角度的零點，或者達到指定的波束寬度，或者小于特定的旁瓣等難點，因此，天線陣列綜合設計優化問題可以建模成約束超多目標優化問題。

約束超多目標陣列優化問題至今都沒有得到很好的解決，主要是因為在高維多目標空間，不僅要注重多個目標間多樣性與收斂性的平衡，還要注重約束條件的滿足。而已有的大多數約束超多目標演化算法都先強調約束的滿足，在約束滿足之后才考慮多樣性與收斂性的平衡。這就容易造成以下兩個問題：

1)一味的強調可行性優先，容易使種群陷入到一個局部不可行區域，使算法找不到可行解；或者使種群收斂到一個局部可行區域，但是遠離約束Pareto最優解集的位置；

2)在高維目標空間，一個約束超多目標優化問題通常存在多個不連通的可行區域，而可行性優先的方法通常會先找到一個或部分的可行區域，然后就停滯在該局部可行區域。這樣做就會造成多樣性的喪失，從而不能找到目標空間的完整的Pareto最優解集合。

發明內容

有鑒于此，本發明提供了將一個約束超多目標優化問題轉化為一個動態弱約束超多目標優化問題的一種求解天線陣列綜合問題的約束超多目標智能優化轉換方法。

本發明公開了一種求解天線陣列綜合問題的約束超多目標智能優化方法，包括以下步驟：

步驟1：隨機初始化種群個體P₀包括端口激勵和陣列單元布局，并計算其目標值和約束值，松弛原始約束邊界，使整個初始種群中的個體都達到可行；

步驟2：縮小動態約束邊界，用差分演化算子產生子代種群；

步驟3：把具有4個目標的約束超多目標線性陣列優化問題轉化為5個目標的動態弱約束超多目標線性陣列優化問題，其中新增的目標為違約值目標；根據約束Pareto支配準則，使用NSGA-III算法同時優化5個目標，具體來說，根據可行性將父代和子代合并種群分為可行集合和不可行集合，當可行集合大于等于種群大小N時，用約束Pareto支配準則和基于參考點的精英選擇機制從可行集合中選出N個個體來構成下一代父代種群；當合并種群中的可行解的數量小于種群大小N時，將所有的可行解直接加入到下一代父代種群中；接著，在剩下的不可行解中，根據違約值從小到大進行排序，選擇違約值最小的個體依次放入下一代父代種群中，直至填滿下一代父代種群；

步驟4：演化環境狀態增加1，重復步驟2～3，直至達到最大演化環境狀態S，則輸出線性陣列問題的最優Pareto解集。

進一步地，所述步驟1中目標為波束寬度FNBW、最大旁瓣電平MSLL、零點NULL和線源長度約束條件為波束寬度和零點深度，線性陣列優化問題模型如下：