基于多自适应代理模型辅助进化算法的天线设计方法技术

本发明专利技术公开了一种基于多自适应代理模型辅助进化算法的天线设计方法，本发明专利技术在传统代理辅助进化算法的框架中，自适应调整每种变异算子被选择概率，为子代个体单独构建代理模型，加入子代解质量判定操作，利用数据库动态增量确定电磁仿真的个体数量。本发明专利技术能更好的平衡算法的探索与开发能力，减小陷入局部最优的概率，减少拟合时间和无用解的仿真次数，进一步提高优化速度。仿真结果表明本发明专利技术实施例中三种天线结构，在使用多自适应代理模型辅助进化算法进行优化设计后都得到了所需的天线性能。性能。性能。

【技术实现步骤摘要】
基于多自适应代理模型辅助进化算法的天线设计方法


[0001]本专利技术属于雷达通信
，更进一步涉及天线
中的一种基于多自适应代理模型辅助进化算法的天线设计方法。本专利技术可用于多种天线的尺寸参数优化。

技术介绍

[0002]因天线结构复杂，传统的电磁分析理论在面对形状各异的天线结构时难以得到接近全局最优的初始解。在此情境下，传统的参数扫描方法既费时费力，还难以确保最终得到的天线结构为全局最优。一些传统的基于随机搜索的种群类算法如遗传算法、差分进化算法、粒子群算法等在面对此类情况下展现出了较好的优化性能和极高的潜力。但这些此类算法会生成较大规模的子代种群，如对于生成的每个子代解都进行全波仿真，会导致优化进程缓慢。其原因是，电磁仿真占据了优化算法执行过程中的大部分时间，因此减少无用解的仿真次数成为加速优化进程的有效改进手段。代理模型辅助进化算法通过使用代理模型对子代种群预筛选，保留更具潜力的个体进行全波仿真，极大的减少了无用解的仿真次数。为了进一步提高优化速度，许多方法被加入到用于天线优化的代理模型辅助进化算法优化框架中以求进一步提高算法的局部优化能力，但随之带来了全局搜索能力降低、易陷入局部最优等问题。
[0003]西安交通大学在其申请的专利文献“一种基于多输出高斯过程贝叶斯优化的天线优化方法”(专利申请号202110438497.5申请公布号CN 113076699 A)中公开了一种基于多输出高斯过程贝叶斯优化的天线优化方法。该方法利用少量的高精度电磁仿真和大量的低精度电磁仿真构建代理模型，在代理模型的基础上使用贝叶斯优化，从而大幅提高天线的优化速度。该方法使用贝叶斯优化方法替代传统的进化算法虽然提高了优化速度。但是该方法仍然存在的不足之处是，对于多峰值的天线优化问题，由于贝叶斯优化方法是对已知数据点构建的拟合模型进行优化，因此极大的依赖采样点的位置，并且缺乏全局搜索的随机性，一旦优化结果陷入局部最优，难以在短时间内跳出，导致最终结果质量不佳。
[0004]Yushi Liu在其发表的论文“An Efficient Method for Antenna Design Based on aSelf
‑
Adaptive Bayesian Neural Network
‑
Assisted Global Optimization Technique”(IEEE Transactions on Antennas and Propagation,2022)中公开一种基于贝叶斯神经网络的代理模型优化方法用于天线的全局优化。该方法使用了一种自适应置信下界方法用于跳出局部最优，提高了算法的全局搜索能力，避免优化结果过早陷入局部最优。但是，该方法仍然存在的不足之处是，全局搜索能力的增加会导致局部优化能力的降低，在优化后期，过多的考虑全局搜索能力会导致优化速度下降，因此该方法的优化速度相较于目前已有算法的优化速度优势不明显，且不能随着优化进程自适应的调整全局搜索能力和局部优化能力的倾向性。
[0005]江苏科技大学在其申请的专利文献“一种基于克里金代理模型和多目标遗传算法的天线设计方法”(专利申请号202010250633.3申请公布号CN 111460665A)中公开了一种基于克里金代理模型和多目标遗传算法的天线设计方法，该方法利用粒子群算法完成采样
构建训练集，并用其训练克里金模型预测器，并利用NSGA3优化器执行优化得到优化解集，实现了天线的全局优化。但该方法的代理模型训练过程计算量大，且需要样本量较大，训练时间过长，相较于传统的进化算法时间优势不够明显。

技术实现思路

[0006]本专利技术的目的是针对上述现有技术中存在的技术问题，提供一种基于多自适应代理模型辅助进化算法的天线设计方法，旨在解决在天线设计中全局优化算法易在优化早期陷入局部最优，全局搜索能力和局部优化能力难以自适应调整，代理模型训练时间过长且相较于传统的进化算法时间优势不明显的问题。
[0007]实现专利技术目的的思路是：针对上述问题，本专利技术自适应调整每种变异算子被选择概率，为不同优化阶段自适应的调整合适的变异方案，由于每种变异算子的全局搜索和局部优化的倾向性不同，自适应的调整变异算子可以解决算法易在过早陷入局部最优，全局搜索能力和局部优化能力的难以自适应调整的问题。本专利技术中每个子代个体单独构建代理模型，减少了每次拟合所使用的采样点数量，解决了代理模型训练时间过长的问题。子代解质量判定操作可以对子代最优解进行质量判定，生成更高质量的子代种群，进一步减少无用解的仿真次数，解决了算法相较于传统进化算法时间优势不明显的问题。利用数据库动态增量确定电磁仿真的个体数量，在优化早期选择更多个体加入数据库，提高每次迭代的不确定性，增大了算法的全局搜索能力，在优化后期保留每代种群的最优个体，提高优化速度，该操作进一步解决了算法易在过早陷入局部最优，全局搜索能力和局部优化能力的难以有效调整的问题。以差分进化算法为核心优化算法，利用代理模型减少无用解仿真次数，加入自适应调整每种变异算子被选择概率、子代个体单独构建代理模型、子代解质量判定和利用数据库动态增量确定电磁仿真的个体数量等操作，自适应调整算法的全局搜索能力和局部优化能力，减少拟合时间，进一步提高优化效率。
[0008]为达到上述目的，本专利技术采用的技术方案如下：
[0009]步骤1，根据待优化参数的取值范围构建参数数据库；
[0010]步骤2，自适应调整每种变异算子被选择的概率，选择一种变异算子，执行差分进化算法的变异交叉操作，生成待评估子代；子代个体单独构建代理模型，得到每个子代个体的综合性能预测值，置信下界值和平均拟合距离值；
[0011]步骤3，利用子代解质量判定机制，判断当前迭代时所有待评估子代个体中最低置信下界值是否小于数据库所有样本综合性能最小值，若是，则执行步骤4，否则，执行步骤2；
[0012]步骤4，寻找最优样本：
[0013]分别对所有个体的置信下界值和综合性能值排序，得到所有个体的两种对应排序，随机选取一种排序，对所选排序中的前N个个体进行电磁仿真，将仿真后的每个个体及其对应的综合性能值加入数据库；从更新后的参数数据库中选取最优综合性能对应的样本X
best
，作为当前迭代的最优样本，N的取值等于当前迭代时的数据库动态增量；
[0014]步骤5，判断当前迭代是否满足终止条件，若是，则得到最优综合性能后执行步骤6，否则，执行步骤2；
[0015]步骤6，将最优综合性能对应样本X
best
的参数加载到待设计的天线中，完成该天线的设计。
[0016]与现有技术相比，本专利技术具有以下优点：
[0017]第一，由于本专利技术自适应调整每种变异算子被选择概率，为不同优化问题和不同优化阶段自适应的选择合适的变异算子，更好的平衡算法的探索与开发能力，使算法在面对不同问题和不同优化阶段都具有较好的性能。
[0018]第二，本专利技术为每个子代个体单独构建代理模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多自适应代理模型辅助进化算法的天线设计方法，其特征在于，自适应调整每种变异算子被选择概率，构建每个子代个体单独代理模型，子代解质量判定机制，利用数据库动态增量确定电磁仿真的个体数量；该方法的步骤包括如下：步骤1，根据待设计天线的优化参数取值范围构建参数数据库；步骤2，自适应调整每种变异算子被选择的概率，选择一种变异算子，执行差分进化算法的变异交叉操作，生成待评估子代；利用每个待预测点附近最近的数据点构建每个子代个体单独代理模型，得到每个子代个体的综合性能预测值，置信下界值和平均拟合距离值；步骤3，利用子代解质量判定机制，判断当前迭代时所有待评估子代个体中最低置信下界值是否小于数据库所有样本综合性能最小值，若是，则执行步骤4，否则，执行步骤2；步骤4，寻找最优样本：分别对所有个体的置信下界值和综合性能值排序，得到所有个体的两种对应排序，随机选取一种排序，对所选排序中的前N个个体进行电磁仿真，将仿真后的每个个体及其对应的综合性能值加入数据库；从更新后的参数数据库中选取最优综合性能对应的样本X
best
，作为当前迭代的最优样本，N的取值等于当前迭代时的数据库动态增量；步骤5，判断当前迭代是否满足终止条件，若是，则得到最优综合性能后执行步骤6，否则，执行步骤2；步骤6，将最优综合性能对应样本X
best
的参数加载到待设计的天线中，完成该天线的设计。2.根据权利要求1所述基于多自适应代理模型辅助进化算法的天线设计方法，其特征在，步骤1中所述待设计天线的优化参数取值范围是指，根据天线设计经验设定待优化天线的每个尺寸参数及相应参数范围，对每个参数的范围内进行拉丁超立方采样，得到该参数的采样点集合。3.根据权利要求1所述基于多自适应代理模型辅助进化算法的天线设计方法，其特征在，步骤1中所述构建参数数据库的步骤如下：第一步，在每个参数的采样点集合中分别随机选择一个未选过的采样点作为样本；第二步，对每个样本进行电磁仿真得到该样本增益性能，样本反射系数模值性能，样本轴比性能；第三步，利用下式，计算每个样本的综合性能：F
i
＝α
1,i
(F
gn,i
)+α
2,i
(F
S11,i
)+α
3,i
(F
AR,i
)其中，F
i
表示第i个样本的综合性能，α
1,i
表示对第i个样本增益的惩罚因子，α
2,i
表示对第i个样本反射系数模值的惩罚因子，α
3,i
表示对第i个样本轴比的惩罚因子；第四步，将所有样本的参数与其对应的综合性能组成参数数据库。4.根据权...

【专利技术属性】
技术研发人员：张依轩，高天烨，焦永昌，张立，翁子斌，赵钢，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：