[发明专利]动态支配和平均分布择优的方向图优化方法

摘要

本发明提供了一种动态支配和平均分布择优的方向图优化方法，采用具有动态支配因子的非支配策略进行分类，选择粒子时通过当前面上粒子的平均分配程度选择最优粒子，同时约束部分目标函数的取值范围，进行多目标方向图优化，并且给出了一个具体方向图设计的实施方式。本发明通过动态支配和平均分布择优的方向图优化方法，能够提高优化的收敛速度，使得优化得到的最优粒子平均分布于最优面，而且能够有效降低多目标优化算法的计算量。

主权项

1.一种动态支配和平均分布择优的方向图优化方法，其特征在于包括下述步骤：1)对于一个由2n个等幅等相阵元构成的线阵，关于原点对称，其阵列方向图表示为其中n≥1，θ为入射信号方位角，λ为入射信号波长，x_r为第r个阵元的位置，取值范围是[0.25λ,λ]；原点右侧n个阵元的位置在取值范围内随机取值，生成一个粒子f；依次生成N个粒子，构成初始种群P，N≥2；设置M个目标函数f₁,f₂,...,f_M，分别表示在粒子f取值下的目标函数值；2)将当前种群P中全部的粒子按照动态非支配策略进行分类，定义动态非支配策略为：如果p、q是种群中的两个不同粒子，p₁,p₂,...,p_M为粒子p取值下的目标函数值，q₁,q₂,...,q_M为粒子q取值下的目标函数值，那么当且仅当p_i≤α_M(q_j‑p_j)+q_i，i,j∈{1,...,M}且i≠j，并且存在一组i,j使得p_i＜α_M(q_j‑p_j)+q_i时p支配q；其中动态支配因子和为正数支配因子和负数支配因子，T为总的迭代次数，t为当前迭代次数；3)采用锦标赛选择策略，选用交叉概率p_c和进化概率p_m得到子种群，子种群数量与初始种群数量相同，将子种群与原来的种群进行合并，得到合并种群；4)将合并种群按照动态非支配策略进行分类，依次选择级别最低的非支配粒子面的种群进入新种群，选择的数量不超过种群的数量N，如果最后一个粒子面中满足约束条件的粒子数目能够满足新种群数量为N时，将在约束函数取值范围内的粒子中选择，根据粒子的平均分配程度选择误差最小的粒子；反之，如果最后一个粒子面中满足约束条件的粒子数目不能够满足新种群数量为N时，将在最后一个粒子面的全部粒子中选择，根据粒子的平均分配程度选择误差最小的粒子；所述的约束条件定义为：和分别为第m个目标函数设定的上约束界限和下约束界限，如果粒子的第m个目标函数值满足则说明该粒子满足约束条件；所述粒子的平均分配程度的计算方法包括如下步骤：根据每个目标函数的值将粒子进行排序，计算相邻两个粒子函数值间的欧拉距离其中表示取第g个粒子时第m个目标函数值，表示全部粒子中第m个目标函数的最大值，表示全部粒子中第m个目标函数的最小值，计算完成后求得当前粒子面的平均期望分配位置K为当前面粒子数量；之后计算第l个粒子与期望位置之间的误差h表示期望位置的编号，选择误差最小的粒子进入新种群；5)判断进行代数是否达到设定的最大进化代数，如果没有，则进入步骤3)继续进化，如果达到最大进化代数，则停止进化，当前新种群即为最优粒子，进入步骤6)；6)任意选择最优粒子中的一个粒子，将其取值代入阵列方向图公式，得到最终优化方向图。