[发明专利]一种基于自适应演化优化算法的螺旋式天线设计方法

权利要求书

1.一种基于自适应演化优化算法的螺旋式天线设计方法，其特征在于：包括以下步骤：

S101：根据实际需求，建立螺旋式天线的结构模型及其对应的优化数学模型；所述结构模型中螺旋线总圈数为a圈，每一圈上升高度的均值为b mm；其中，a和b均为根据实际需求设定的预设值；

S102：采用基于强化学习的自适应演化优化算法对所述优化数学模型中的天线结构参数进行优化，得到最终优化后的天线结构参数；

S103：根据所述天线结构参数，对所述结构模型进行调整，得到设计好的螺旋式天线；

步骤S101中，所述优化数学模型的表达式如公式(1)所示：

上式中，为决策空间向量，即天线结构参数；为优化目标函数；st为约束条件；φ和θ为所述结构模型中球坐标系的方位角和仰角，为预设值，用以表示天线增益方向；freq为螺旋式天线的工作频带，为预设值；Gain、AR和VSWR分别为目标增益、目标轴比和目标驻波比，均为预设值；gain、ar、vswr分别为螺旋式天线的目标增益、目标轴比和目标驻波比；

所述天线结构参数包括：与螺旋式天线的螺旋线相关的优化变量和决定螺旋式天线中巴伦金属片的尺寸大小的变量；其中，与螺旋式天线的螺旋线相关的优化变量为ratio_h0～ratio_ha，共a个变量，分别表示每一圈螺旋线的上升高度在均值b周围的浮动比例，决定螺旋式天线中巴伦金属片的尺寸大小的变量为balun_ax、balun_bx和balun_cx，共三个变量，分别为巴伦金属片的长、宽和高；因此，所述天线结构参数共包括ratio_h0～ratio_ha、balun_ax、balun_bx和balun_cx共a+3个变量。

2.如权利要求1所述的一种基于自适应演化优化算法的螺旋式天线设计方法，其特征在于：步骤S102中，采用基于强化学习的自适应演化优化算法对所述优化数学模型中的天线结构参数进行优化，得到最终优化后的天线结构参数；包括如下步骤：

S201：随机初始化强化学习在当前时刻t下的一个执行动作a(t)、演化优化算法中天线结构参数对应的初始种群、强化学习中所有的动作对应的动作值函数Q值和强化学习中所有的动作对应的动作选择概率P值；t代表迭代次数，t的初始值为1；

其中，强化学习中的一个动作包含三个分量：a(mut)、a(F)和a(CR)；a(mut)为变异算子，取值范围是N[0，1]，分别对应DE\rand\1和DE\best\1两种变异算子；a(F)表示变异尺度因子，取值范围是N[0,2],分别对应变异尺度因子取值的均值为0.3、0.6和0.9；a(CR)表示交叉概率，取值范围是N[0，2]，分别对应CR取值的均值为0.2，0.5和0.8；因此，整个动作集总共包含2*3*3＝18个动作；N[x，y]表示取x和y之间的任意整数，包括x和y；将所有的动作对应的动作值函数Q值均初始化为0.1；

S202：根据当前种群，计算当前种群的发散程度DIV和种群的分布特征IOS，并根据DIV和IOS计算当前种群所属的状态S(t)；

其中，将强化学习问题的状态定义为一个包含两个分量的向量S＝[IOS，DIV]，其中每个分量分为4个区间，每个区间对应一个状态，因此，总共有4×4＝16个状态；每个状态对应一个动作集，即每个状态下包括18种动作；

S203：采用演化算法执行当前动作a(t)，从而产生新的种群；

S204：将所述新的种群中的个体作为天线结构参数输入至HFSS电磁仿真软件中，得到对应的目标增益gain、目标轴比ar和目标驻波比vswr；

S205：判断是否满足终止条件？若是，则到步骤S210；否则，到步骤S206；

S206：根据所述新的种群再次计算IOS和DIV，并根据IOS和DIV计算新的种群所属的状态S(t+1)和回报R(t+1)；

S207：根据回报R(t+1)和S(t)状态下的Q值，更新S(t)状态下的动作a(t)对应的新的动作值函数

S208：根据S(t)状态下的动作a(t)对应的新的动作值函数更新状态S(t)下的所有动作的选择概率；

S209：根据当前所属的状态S(t)，采用轮盘赌的方式在所有的选择概率中随机选择一个选择概率，并将该选择概率对应的动作作为下一时刻t+1时执行的动作a(t+1)；将t更新为t+1，并返回步骤S203；

S210：结束循环，将当前种群中的最优个体作为最优天线结构参数。