基于分解的多目標(biāo)進(jìn)化算法(MOEA-D)在天線(xiàn)優(yōu)化設(shè)計(jì)中的應(yīng)用研究.pdf

1、天線(xiàn)優(yōu)化設(shè)計(jì)是近年來(lái)電磁優(yōu)化領(lǐng)域的研究熱點(diǎn)之一。它是指在決策空間中搜索出滿(mǎn)足性能要求的天線(xiàn)的結(jié)構(gòu)參數(shù)。如何快速有效地搜索出滿(mǎn)足性能要求的結(jié)構(gòu)參數(shù)有著重要的科研和實(shí)際運(yùn)用意義。
　　 在天線(xiàn)優(yōu)化設(shè)計(jì)中存在著很多的多目標(biāo)優(yōu)化問(wèn)題,例如,多頻段天線(xiàn)的優(yōu)化設(shè)計(jì),小尺寸高增益天線(xiàn)的優(yōu)化設(shè)計(jì)。傳統(tǒng)解決多目標(biāo)優(yōu)化問(wèn)題的方法是用權(quán)重系數(shù)將各子目標(biāo)聚合為一個(gè)單目標(biāo),然后用解決單目標(biāo)問(wèn)題的方法來(lái)求解。單個(gè)權(quán)重系數(shù)的選擇往往使得這種方法具有很大的計(jì)算

2、量。鑒于進(jìn)化算法是一類(lèi)模擬自然進(jìn)化過(guò)程的隨機(jī)優(yōu)化方法,它采用種群搜索策略,具有很強(qiáng)的全局搜索能力,用它來(lái)求解天線(xiàn)中的多目標(biāo)優(yōu)化問(wèn)題已成為研究熱點(diǎn)。隨著進(jìn)化算法的發(fā)展,基于分解的多目標(biāo)進(jìn)化算法(Multi-obiective Evolutionary Algorithm Basedon Decomposition,MOEA/D)在很多領(lǐng)域的成功運(yùn)用顯示了它在天線(xiàn)優(yōu)化設(shè)計(jì)領(lǐng)域的運(yùn)用潛力。本文正是將MOEA/D運(yùn)用到天線(xiàn)結(jié)構(gòu)優(yōu)化設(shè)計(jì)中。

3、>　　 通過(guò)對(duì)MOEA/D的算法研究,本文得出三個(gè)主要結(jié)論:
　　 1.MOEA/D用于優(yōu)化設(shè)計(jì)多頻段領(lǐng)結(jié)形微帶貼片天線(xiàn)。MOEA/D與高頻結(jié)構(gòu)仿真器(High Frequency Structure Simulator,HFSS)結(jié)合用于優(yōu)化設(shè)計(jì)三頻段領(lǐng)結(jié)形天線(xiàn)和兩款四頻段領(lǐng)結(jié)形天線(xiàn)。仿真和測(cè)試結(jié)果說(shuō)明,MOEA/D能有效地求解多頻段天線(xiàn)優(yōu)化設(shè)計(jì)問(wèn)題。
　　 2.提出了一種新型的混合算法——基于分解和遺傳操作的多目標(biāo)

4、進(jìn)化算法(Multi-objective Evolutionary Algorithm Basedon Decomposition Combinedwith Genetic Algorithm,MOEA/D-GA),并用它來(lái)優(yōu)化設(shè)計(jì)fragment-type天線(xiàn)。此算法結(jié)合MOEA/D高效處理多目標(biāo)優(yōu)化問(wèn)題的能力和遺傳算法(Genetic Algorithm,GA)二維染色體編碼的特性。數(shù)值測(cè)試和天線(xiàn)仿真結(jié)果顯示了MOEA/D-GA在減

5、少材料用量、新型結(jié)構(gòu)的設(shè)計(jì)和減少輻射面積以抗損壞天線(xiàn)設(shè)計(jì)方面的運(yùn)用潛力。
　　 3.提出了一種新型的求解混合優(yōu)化問(wèn)題的混合算法——基于分解和統(tǒng)計(jì)與位置信息的多目標(biāo)進(jìn)化算法(Multi-obiecfive Evolutionary Algorithm Basedon Decomposition Using Statisticand Location Information,MOEA/D-SL),并用它來(lái)優(yōu)化設(shè)計(jì)射頻識(shí)別(Radio