主要内容

天线优化算法

代理模型辅助差分进化天线合成(SADEA)是一种人工智能驱动的天线设计方法。它基于机器学习和进化计算技术，具有优化质量、效率、通用性和鲁棒性等优点。SADEA进行全局优化，采用统计学习技术建立代理模型，如何使代理建模与优化协调工作是这种代理模型辅助优化方法的关键。在SADEA中，借用了代理模型感知进化搜索框架的一些思想[3]而且[4]．

SADEA采用差分进化(DE)作为搜索引擎，高斯过程(GP)机器学习作为代理建模方法。有关更多信息，请参见[1]．

算法概述

初始化

使用拉丁超立方抽样(LHS)来生成α设计样本[a, b]d，利用EM模拟评估所有设计样本，然后使用它们形成初始数据库。[a, b]d是用户定义的搜索范围。α值自适应确定。

迭代步骤

  • 从数据库中选择λ最佳候选设计，形成总体P．更新目前获得的最佳候选设计。λ值自适应确定。

  • 应用差分进化电流至最佳/1突变和二项交叉算子P生成λ子解。金宝搏官方网站

  • 对于每个子溶液P，选择τ最近的设计样本(基于欧氏距离)作为训练数据点，构造局部高斯过程代理模型。τ的值是自适应确定的。

  • 采用低置信界预筛选高斯过程代理模型对之前生成金宝搏官方网站的λ子解进行预筛选。

  • 对筛选出的最佳子方案进行EM仿真，将模拟的候选设计及其函数值加入数据库。

停止条件

  • 这些规格是符合的。

  • 总体的标准差小于阈值，当前最佳目标函数值在一定次数的迭代中没有改善。(最好使用显示收敛趋势的图形进行控制)。

  • 计算预算(EM模拟的数量)已经耗尽。注意，EM模拟的数量可以随时添加。

参考文献

[1] Liu, Bo, Hadi Aliakbarian, Zhongkun Ma, Guy A. E. Vandenbosch, Georges Gielen和Peter Excell。基于进化计算和机器学习技术的天线设计优化方法IEEE天线与传播汇刊62年,没有。1(2014年1月):7-18。https://doi.org/10.1109/TAP.2013.2283605。

[2]刘、博、亚历山大·欧文、莫巴约德·o·阿库苏鲁、奥默·阿拉比、维克·格劳特和纳扎尔·阿里。微波天线GUI设计探索软件。计算设计与工程杂志4,没有。4(2017年10月):274-81。https://doi.org/10.1016/j.jcde.2017.04.001。

[3]刘博，张庆福，乔治·g·e·吉伦。中等规模昂贵优化问题的高斯过程代理模型辅助进化算法。IEEE进化计算汇刊,没有。2(2014年4月):180-92。https://doi.org/10.1109/TEVC.2013.2248012。

[4]刘波，张庆福，Georges G. E. Gielen, A.Karkar, A.Yakovlev, V.Grout。SMAS:计算昂贵的电子设计优化问题的一个广义和有效的框架。电子设计中的计算智能，施普林格，2015。

[5] Grout, Vic, Mobayode O. Akinsolu, Bo Liu, Pavlos I. Lazaridis, Keyur K. Mistry和Zaharias D. Zaharis。天线设计探索的软件解金宝搏官方网站决方案:各种设计挑战的软件包、工具、技术和算法的比较。IEEE天线与传播杂志,没有。3(2019年6月):48-59。https://doi.org/10.1109/MAP.2019.2907887。

另请参阅

|