[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

说明书

本发明公开了一种用于微波电路和天线的混合优化方法，它将遗传算法与材料分布法结合起来，属于微波电路和天线优化技术领域,该方法包括：步骤1：采用两种嵌套网格对优化区域进行剖分，得到粗、细两种网格；步骤2：采用遗传算法对粗网格进行优化，得到比较简单的结构；步骤3：将简单结构的材料分布映射到细网格，采用材料分布法进行优化，得到最优的天线模型。该优化方法融合遗传算法和材料分布法的优势，收敛速度快，拓扑结构复杂，避免陷入较差的局部最优解。

技术领域：

本发明涉及微波电路或天线设计优化技术领域，特别涉及一种结合遗传算法和材料分布法的混合优化方法。

背景技术：

优化问题由来已久，最早可以追溯到拉格朗日提出的优化理论。在结构力学领域，采用优化理论是实现对器件的逆设计已经有63年历史，产生了许多成熟的优化算法。而电磁领域采用优化理论实现器件设计历史起步较晚，1978年，Marrocco和Pironneau最早在Optimum design with lagrangian finite elements:Design of an electromagnet(Computer methods in applied mechanics and engineering,1978，15(3):277-308)中将优化理论应用于电磁铁的设计，开启了电磁领域优化的历史。

拓扑优化的优化自由度更高，可以对优化区域的形状、尺寸和拓扑连通性进行优化，被应用于微波电路或天线的逆设计。基于梯度的材料分布法(Scalar IsotropicMaterial with Penalization Method,SIMP)的拓扑搜索能力强，实现较为简单，被广泛应用于平面天线设计。2014年，E.Hassan等人在文章“Topology optimization of metallicantennas”(IEEE Transactions on Antennas and Propagation,2014,62(5):2488-2500)中采用材料分布法优化单极子天线。2017年，J.Wang等人在文章“Antenna radiationcharacteristics optimization by a hybrid topological method”(IEEETransactions on Antennas and Propagation,2017,65(6):2843-2854)中采用材料分布法优化贴片天线。

梯度优化算法是一种局部优化算法，对于初始值的设置非常敏感，不同的初始变量会导致优化收敛速度、迭代次数和最终的优化结果存在较大差异。为了减少梯度优化算法对初始值的依赖性，在优化过程中一般采用随机初始值、多次启动的方法得到最优解，但该方法效率较低。2004年，S.Kucherenko和Y.Sytsko在文章“Application ofdeterministic low-discrepancy sequences in global optimization”(ComputationalOptimization and Applications,2005,30:297-318)中采用低差序列(Low-DiscrepancySequences，LDS)实现全局梯度优化，减少算法对初始值的依赖性，但对于高维问题，该方法效率较低。2021年，Z.Wang等人在文章“Method to obtain the initial value for theinverse design in nanophotonics based on a time-reversal technique”(Opticsletters,2021,46(12):2815-2818)采用时间反演法获取纳米光子学逆设计初始值，采用物理机制确定优化初始结构，得到较好的优化效果。