基于分解的多目標進化算法(MOEA-D)在天線優(yōu)化設計中的應用研究.pdf

1、天線優(yōu)化設計是近年來電磁優(yōu)化領域的研究熱點之一。它是指在決策空間中搜索出滿足性能要求的天線的結構參數。如何快速有效地搜索出滿足性能要求的結構參數有著重要的科研和實際運用意義。
　　 在天線優(yōu)化設計中存在著很多的多目標優(yōu)化問題,例如,多頻段天線的優(yōu)化設計,小尺寸高增益天線的優(yōu)化設計。傳統解決多目標優(yōu)化問題的方法是用權重系數將各子目標聚合為一個單目標,然后用解決單目標問題的方法來求解。單個權重系數的選擇往往使得這種方法具有很大的計算

2、量。鑒于進化算法是一類模擬自然進化過程的隨機優(yōu)化方法,它采用種群搜索策略,具有很強的全局搜索能力,用它來求解天線中的多目標優(yōu)化問題已成為研究熱點。隨著進化算法的發(fā)展,基于分解的多目標進化算法(Multi-obiective Evolutionary Algorithm Basedon Decomposition,MOEA/D)在很多領域的成功運用顯示了它在天線優(yōu)化設計領域的運用潛力。本文正是將MOEA/D運用到天線結構優(yōu)化設計中。

3、>　　 通過對MOEA/D的算法研究,本文得出三個主要結論:
　　 1.MOEA/D用于優(yōu)化設計多頻段領結形微帶貼片天線。MOEA/D與高頻結構仿真器(High Frequency Structure Simulator,HFSS)結合用于優(yōu)化設計三頻段領結形天線和兩款四頻段領結形天線。仿真和測試結果說明,MOEA/D能有效地求解多頻段天線優(yōu)化設計問題。
　　 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

4、進化算法(Multi-objective Evolutionary Algorithm Basedon Decomposition Combinedwith Genetic Algorithm,MOEA/D-GA),并用它來優(yōu)化設計fragment-type天線。此算法結合MOEA/D高效處理多目標優(yōu)化問題的能力和遺傳算法(Genetic Algorithm,GA)二維染色體編碼的特性。數值測試和天線仿真結果顯示了MOEA/D-GA在減

5、少材料用量、新型結構的設計和減少輻射面積以抗損壞天線設計方面的運用潛力。
　　 3.提出了一種新型的求解混合優(yōu)化問題的混合算法——基于分解和統計與位置信息的多目標進化算法(Multi-obiecfive Evolutionary Algorithm Basedon Decomposition Using Statisticand Location Information,MOEA/D-SL),并用它來優(yōu)化設計射頻識別(Radio