论文部分内容阅读
粒子群算法是Eberhert和Kennedy通过模仿鸟类捕食行为来达到寻优目的的一种群智能优化算法。粒子群算法具有结构简单、易于实现、待调整参数少、收敛速度快等诸多优点,其一经提出便受到了国内外学者的广泛关注。目前,粒子群算法被成功的应用在了神经网络训练、电容配置、资源调度、多目标优化等诸多领域,并展示出了其广泛的应用前景和良好的优化能力。尽管粒子群算法拥有许多其他算法不具备的优势,但是它仍然有很多不足之处,如解决高维复杂问题时收敛速度慢,容易陷入局部最优解等。因此,如何对算法进行改进,使其能够克服这些缺点和不足是研究者们的工作重点之一。本文在前人的研究基础上,提出了一种能够有效克服算法早熟收敛的生态系统粒子群算法,并将其应用到了阵列天线方向图优化问题中。本文的主要研究内容如下:(1)受自然界生态规律启发,我们提出了一种改进的粒子群算法,称为生态系统粒子群算法(ESPSO)。ESPSO模仿自然界生态系统规律,共采用了三种学习策略,分别为生态系统策略、繁殖变异策略和全信息策略。借助这些学习策略,算法能够有效的阻止多样性的流失,阻止早熟收敛,平衡全局搜索能力和局部搜索能力,提升寻优效率。本文通过仿真实验,对ESPSO的参数选择方案和寻优能力进行了研究和验证,实验结果表明,ESPSO拥有良好的寻优精度、寻优效率和寻优可信度。(2)智能天线在现代通信系统中发挥着重要的作用,而阵列天线方向图综合则是智能天线的核心技术。本文将ESPSO应用到了阵列天线方向图优化问题中,并通过仿真实验验证ESPSO的有效性。仿真结果表明,相较于标准粒子群算法和差分进化算法,ESPSO能够更好的对阵列天线方向图进行设计和优化。