[发明专利]一种结合遗传算法和材料分布法的混合优化方法

权利要求书

1.一种结合遗传算法和材料分布法的混合优化方法，其特征在于，包括有以下步骤：

步骤1：创建微波电路或天线的初始模型，对需要优化的区域进行嵌套网格剖分，得到粗、细两种网格，通过对粗网格优化得到的材料密度分布可以完整映射与细网格的材料密度分布，保证遗传算法优化阶段和材料分布法优化阶段的连接性；

步骤2：采用遗传算法对步骤1中的粗网格中的材料进行优化，得到比较简单的结构，在该阶段，电磁模型网格剖分较为粗糙，一次电磁仿真的时间很短，可以实现快速迭代、收敛，得到具有良好电磁响应的简单结构，并且该结构具有全局最优的属性；

步骤3：将步骤2中得到的简单结构的材料分布情况映射到步骤1中的细网格上，作为初始值，采用材料分布法对细网格中的材料进行优化，在粗网格分布中，步骤2中的简单结构属于全局最优的结构，对网格进行细化后，材料分布法可以使目标函数进一步降低。

2.如权利要求1所述的一种结合遗传算法和材料分布法的混合优化方法，其特征在于，对优化区域进行粗、细两种嵌套网格剖分，首先采用粗网格对优化区域进行剖分，得到遗传算法的优化变量；接着在粗网格基础上进行剖分，得到材料分布法的优化变量。

3.如权利要求1所述的一种结合遗传算法和材料分布法的混合优化方法，其特征在于，将遗传算法优化得到的简单结构的材料分布情况映射到细网格上，作为材料分布法优化的初始结构。

4.如权利要求1所述的一种结合遗传算法和材料分布法的混合优化方法，其特征在于，所述步骤1中采用正方向网格对优化区域进行剖分，得到棋盘状的粗网格。

5.如权利要求4所述的一种结合遗传算法和材料分布法的混合优化方法，其特征在于，粗网格产生的所有图形都能完整映射在细网格上。

6.如权利要求1所述的一种结合遗传算法和材料分布法的混合优化方法，其特征在于，所述步骤2的具体实现方法为：

步骤2.1：对步骤1中的粗网格进行二进制编码，采用随机方法产生遗传算法初始种群，保证初始种群的多样性；

步骤2.2：采用有限元方法计算目标函数，并对其进行线性排序作为个体的适应度，避免目标函数放缩不当引起的收敛速度过慢或多样性损失；

步骤2.3：采用锦标赛算法选择合适的父代样本，模拟淘汰赛制，保证选择强度的同时避免了多样性损失；

步骤2.4：进行交叉、变异，得到子种群；

步骤2.5：将父种群与子种群合并，采用锦标赛算法挑选出新一代种群，将父种群与子种群合并，可以保留精英个体，保证遗传算法实现全局收敛；

步骤2.6：重复步骤2.2-2.5，直至算法收敛，得到粗网格材料的最优分布。

7.如权利要求1所述的一种结合遗传算法和材料分布法的混合优化方法，其特征在于，所述步骤3的具体实现方法为：

步骤3.1：将步骤2得到粗网格材料最优分布映射到细网格上，作为材料分布法的初始变量值；

步骤3.2：采用有限元方法和伴随敏感度分析方法得到优化变量的目标函数值和梯度值；

步骤3.3：采用MMA算法生成新的优化变量值，MMA算法是一种梯度优化算法，可以实现大规模变量优化问题的快速收敛；

步骤3.4：重复步骤3.2-3.3，直至算法收敛，得到材料分布法最优结果。