[发明专利]基于动态网格多目标粒子群优化法的阵列方向图综合方法

说明书

本发明提供了一种基于动态网格多目标粒子群优化法的阵列方向图综合方法，给定阵列模型和需要优化的阵列参数，确定需要优化的目标函数；然后初始化参数，评估粒子优劣；将表示非支配向量的粒子的位置存储在外部存储库REP中，寻找每个粒子的个体最佳位置RBESTS，更新粒子速度和位置，重新评估种群中的粒子；更新外部存储库和粒子的个体最优位置；达到迭代次数后根据所有非支配解来画出帕累托前端，从中随机选取两个解，分别画出两者的方向图。本发明，可以选出多个优化目标权衡下的所需最优解，在多目标阵列方向图综合中具有很大的优势，在阵列方向图综合领域适用范围广泛。

技术领域

本发明属于天线阵列方向图综合领域。

背景技术

单个天线由于方向图主瓣指向、主瓣宽度、主瓣增益以及旁瓣增益等辐射特性相对固定，对于特殊要求，不能做出调整，因此不能获得所需方向图。因此需要多个单天线按照特定的规律排布，构成天线阵列，调节各个天线阵子的幅度激励、相位激励、阵元位置、阵元数目等达到预先设定的辐射特性，即阵列方向图综合。

假定在方向图设计中需要考虑K个设计因素，即存在K个优化目标，因此会有K个适应度函数其中代表解集里的一个解，i＝1,2…,K。通常，可以对这些设计因素进行乘权相加，将其转化为单目标问题。但是对所有因素的最佳权衡需要了解每个因素与其他因素的相对重要性。当各个目标函数的权重给定后，每一次仿真结果只会得到一组结果。当给定目标函数的预期值，由于不能确定权值的具体值，需要进行一次次的试验进行反复调整权重值。

如果通过一次试验可以求解出所有权重下的最优解，那么就可以从得到的结果中选择需要解。在优化过程中，不断调整目标函数的权重，让其通过所有最优解，将这些解进行保存，这样就可以描绘出一个表示最优解的曲线，称为动态线性加权聚合(DynamicWeighted Aggregation，DWA)方法。一方面，该方法综合出的非支配解较少，耗时较长。另一方面，当优化目标不相关时，往往也不能得到理想结果。

发明内容

为了克服现有技术的不足，本发明提供一种基于动态网格多目标粒子群优化算法的阵列方向图综合方法，可以选出多个优化目标权衡下的所需最优解。

本发明解决其技术问题所采用的技术方案包括以下步骤：

a)给定阵列模型和需要优化的阵列参数，确定需要优化的目标函数；

b)初始化参数，包括种群数目、粒子位置信息、粒子速度信息和迭代次数；

c)计算目标函数值，评估粒子优劣；

d)将表示非支配向量的粒子的位置存储在外部存储库REP中，生成目前探索到的空间的网格，将所述网格作为坐标系对REP中各个粒子进行定位，每个粒子的坐标由目标函数的值来定义；

e)寻找每个粒子的个体最佳位置RBESTS，进行存储；

f)更新粒子速度；在外部存储库REP中，对于超过一个粒子的网格，用一个大于1的数字与该网格中所包含的粒子总数相除，该网格中所包含的粒子的数目即为适应度值；根据各个网格的适应度值用轮盘赌轮的方法选择出相对应的网格，然后随机选择该网格中的一个粒子作为全局最佳；

g)根据上一步更新过的粒子速度，更新粒子的位置，重新评估种群中的粒子；

h)更新外部存储库REP；将当前选出的非支配位置插入到REP库中，将库中已经存在的支配位置进行删除；当存储库满时，优先删除密度大的区域中的粒子；

i)更新粒子的个体最优位置RBESTS；当前位置如若被历史位置所支配，则保留历史位置；历史位置如若被当前的位置所支配，则保留当前位置；如果当前位置与历史位置互相没有被支配，则随机地选择一个位置作为更新后的个体最佳位置；

j)重复f)到i)，直到达到给定迭代次数；