一种太赫兹超材料传感器优化设计方法技术

本发明专利技术属于太赫兹超材料传感器技术领域，具体涉及一种太赫兹超材料传感器优化设计方法，包括以下步骤：S1：确定太赫兹超材料传感器关注的性能指标，利用电磁仿真软件分析传感器结构单元几何结构参数对传感器性能指标的影响，选取合适的几何结构参数作为待优化变量；S2：在选定了待优化的几何结构参数后，对太赫兹超材料传感器进行粗优化；S3：采用改进的多目标优化算法NSGA

【技术实现步骤摘要】
一种太赫兹超材料传感器优化设计方法


[0001]本专利技术属于太赫兹超材料传感器
，具体涉及一种太赫兹超材料传感器优化设计方法。

技术介绍

[0002]当前太赫兹超材料传感器的优化设计主要是借助电磁仿真软件完成。其流程为：首先使用电磁仿真软件对传感器的单元结构进行仿真，分析单元结构中几何结构参数对传感器性能的影响；然后通过参数扫描的方法对几何结构参数进行优化，以使传感器获得预期的性能指标。但是，对于太赫兹超材料传感器优化设计而言，需要关注的性能指标往往不止一个，且这些性能指标之间存在着相互制约的关系。使用参数扫描的方法，难以找到多个性能指标同时满足要求的几何结构参数；影响太赫兹超材料传感器性能参数的几何结构参数众多，不同大小的几何结构参数组合，能得到不同的性能指标。使用参数扫描方法进行优化时，要对各种几何结构参数的组合进行逐一遍历，耗时巨大。
[0003]基于上述问题，为了满足太赫兹超材料传感器设计优化的需求，本专利技术将多目标优化算法NSGA
‑
II进行改进，并将其与参数扫描方法结合，形成一种太赫兹超材料传感器设计优化方法。
[0004]公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现思路

[0005]本专利技术的目的是在于提供一种太赫兹超材料传感器优化设计方法，以解决采用参数扫描方法对太赫兹超材料传感器优化设计时，优化速度慢、难以获得最优解的问题。
[0006]为了实现上述目的，本专利技术提供了如下技术方案：
[0007]一种太赫兹超材料传感器优化设计方法，如附图1所示，包括以下步骤：
[0008]S1：确定太赫兹超材料传感器关注的性能指标，利用电磁仿真软件分析传感器结构单元几何结构参数对传感器性能指标的影响，选取合适的几何结构参数作为待优化变量；
[0009]S2：在选定了待优化的几何结构参数后，对太赫兹超材料传感器进行粗优化；
[0010]S3：采用改进的多目标优化算法NSGA
‑
II对传感器的几何参数进行细优化。
[0011]传统的NSGA
‑
II中的非支配排序，只选取一个个体与其他个体比较，利用对该比较个体的支配和被支配个体的计算实现分层。然而，随着个体数量增加，比较次数随之增大，将会大大影响算法速度。因此，本专利技术通过增加参与比较个体的数量的方法，达到减少总比较次数、提高算法计算速度的目的。作为优选，步骤S2中对太赫兹超材料传感器进行粗优化的具体做法是：利用电磁仿真软件对待优化的几何结构参数进行逐一参数扫描，确定出待优化的几何参数在下一步细优化中的取值区间。
[0012]作为优选，步骤S3中从非支配排序、拥挤度计算、选择算子、交叉和变异概率四个
关键步骤对传统的NSGA
‑
II进行改进。改进的NSGA
‑
II算法的流程图如附图2所示。
[0013]传统的NSGA
‑
II中的非支配排序，只选取一个个体与其他个体比较，利用对该比较个体的支配和被支配个体的计算实现分层。然而，随着个体数量增加，比较次数随之增大，将会大大影响算法速度。因此，本专利技术通过增加参与比较个体的数量的方法，达到减少总比较次数、提高算法计算速度的目的。本专利技术改进非支配排序的具体做法是：将传统NSGA
‑
II中比较个体数量从1个增加到4个。改进的非支配排序方法步骤如附图3所示。
[0014]传统的NSGA
‑
II算法的拥挤度计算仅仅考虑了相邻个体之间的距离。对于太赫兹超材料传感器而言，需要优化的子目标往往是不同性能指标。然而，这些性能指标的单位不同，且数值差异大，这就导致了不同子目标之间的拥挤度差异很大。若拥挤度仍旧只考虑相邻个体的距离，会不利于个体在空间均匀分布，且降低优化的子目标进入下一种群的概率，无法获得更好的遗传机会。因此，本专利技术在计算拥挤度时，引入相邻目标函数值的方差，计算公式为：其中n
CR
表示个体n拥挤度，N表示目标函数的个数，F(n)
d
为个体n的传统拥挤度计算值，F(n+1)
i
和F(n
‑
1)
i
分别为个体n相邻两个体第i个目标函数。
[0015]在传统的NSGA
‑
II算法中，选择策略是使用精英保留策略。这一选择策略可以确保最佳个体可保留下来，同时将效果差的个体淘汰。但是，精英保留策略在一定程度上降低了种群的多样性，容易使优化结果陷入局部最优。因此，本专利技术对NSGA
‑
II中的选择策略进行改进，使用锦标赛选择策略，提高全局搜索能力。本专利技术使用的锦标赛选择策略如附图4所示。
[0016]传统NSGA
‑
II中交叉概率P
c
和变异概率P
m
设置为固定值，这两个概率值的选择对遗传算法能否有效找到最优解起到关键作用。在优化过程中，固定交叉概率P
c
和变异概率P
m
的取值，不利于找到最优解。因此，本专利技术采用自适应交叉概率和自适应变异概率。以适应度作为交叉概率和变异概率自适应的依据，具体做法是：
[0017](1)当个体适应度f
’
接近平均适应度f
avg
时，交叉概率和变异概率取大小适中的值；
[0018](2)当个体适应度f
’
接近最小适应度f
min
时，交叉概率和变异概率均取较小的值，降低交叉和变异的概率；
[0019](3)当个体适应度f
’
接近最大适应度f
max
时，交叉概率和变异概率取较大的值，增加交叉和变异的概率。
[0020]自适应交叉概率取值为：
[0021][0022]自适应变异概率取值为：
[0023][0024]与现有技术相比，本专利技术具有如下有益效果：
[0025](1)本专利技术的太赫兹超材料传感器优化设计方法，从非支配排序、拥挤度计算、选择算子、交叉和变异概率四个关键步骤对传统的NSGA
‑
II进行改进，可以解决采用参数扫描方法对太赫兹超材料传感器优化设计时，优化速度慢、难以获得最优解的问题。
[0026](2)本专利技术的太赫兹超材料传感器优化设计方法，改进非支配排序时，将传统NSGA
‑
II中比较个体数量从1个增加到4个，通过增加参与比较个体的数量的方法，可以减少总比较次数，提高算法计算速度。
[0027](3)本专利技术的太赫兹超材料传感器优化设计方法，在计算拥挤度时，引入相邻目标函数值的方差，有利于个体在空间均匀分布，提高优化的子目标进入下一种群的概率，获得更好的遗传机会。
[0028](4)本专利技术的太赫兹超材料传感器优化设计方法，对NSGA...

【技术保护点】

【技术特征摘要】
1.一种太赫兹超材料传感器优化设计方法，其特征在于，包括以下步骤：S1：确定太赫兹超材料传感器关注的性能指标，利用电磁仿真软件分析传感器结构单元几何结构参数对传感器性能指标的影响，选取合适的几何结构参数作为待优化变量；S2：在选定了待优化的几何结构参数后，对太赫兹超材料传感器进行粗优化；S3：采用改进的多目标优化算法NSGA
‑
II对传感器的几何参数进行细优化。2.根据权利要求1所述的太赫兹超材料传感器优化设计方法，其特征在于，步骤S2中对太赫兹超材料传感器进行粗优化的具体做法是：利用电磁仿真软件对待优化的几何结构参数进行逐一参数扫描，确定出待优化的几何参数在下一步细优化中的取值区间。3.根据权利要求1所述的太赫兹超材料传感器优化设计方法，其特征在于，步骤S3中从非支配排序、拥挤度计算、选择算子、交叉和变异概率四个关键步骤对传统的NSGA
‑
II进行改进。4.根据权利要求3所述的太赫兹超材料传感器优化设计方法，其特征在于，改进非支配排序的具体做法是：将传统NSGA
‑
II中比较个体数量从1个增加到4个。5.根据权利要求3所述的太赫兹超材料传感器优化设计方法，其特征在于，改进拥挤度计算时，引入相邻目标函数值的方差，计算公式为：其中n
CR
表示个体...

【专利技术属性】
技术研发人员：覃斌毅，李芸，杨瑞兆，宋金汶，
申请(专利权)人：玉林师范学院，
类型：发明
国别省市：