[发明专利]一种天线仿真设计的快速优化方法

权利要求书

1.一种天线仿真设计的快速优化方法，其特征在于：所述的优化方法首先利用多维均匀采样算法设计初始样本；再以Kriging模型部分代替电磁仿真求解；再以种群构成和筛选方法来平衡搜索的广度和深度得出天线优化模型。

2.根据权利要求1所述的一种天线仿真设计的快速优化方法，其特征在于：所述的初始样本包括在天线结构中选取n个优化参数，根据各参数取值范围确定参数空间D，利用LHS-MDU算法在D中生成10n个初始样本，对初始样本执行仿真得到10n×m个电磁响应，计算适应度，将初始样本及其电磁响应存入数据库，构建初始Kriging模型。

所述的种群构成包括优化循环中设定种群数量Np＝10n，每一代种群由高适应度样本和高离散性样本两部分构成；首先对数据库中的样本依据适应度函数值从小到大排序，在前Np名中随机选取p个样本，另外q个样本由LHS-MDU算法随机生成；根据差分进化原理，若种群中性能优良的个体趋于一致时，个体间的差分向量趋于0，变异效果会显著下降，在进化种群中引入高离散性样本可以改善种群多样性，提高求解质量。

所述的筛选方法根据在Kriging模型预测进化后种群中个体的响应值选择需要进行电磁仿真的个体，更新Kriging模型；这里以个体响应的置信下限代入适应度函数，选择具有最小适应度函数值的个体执行仿真；

i＝1，L，N_p，w[0，2]

式中Rs(x)是Kriging模型预测的参数x的响应，s(x)代表各响应的不确定度，参数ω用来平衡搜索广度和深度的矛盾，ω越大，越倾向于选择不确定性较大的个体，提高Kriging对整个参数空间预测精度，增加电磁仿真次数，降低优化效率；ω越小，越倾向于选择响应值较好的个体，提高Kriging模型在其邻近区域的精度，加快收敛速度，但易使优化陷入局部最优。