基于混合遗传算的宽带阶梯阻抗变换器的优化设计.doc

基于混合遗传算法的宽带阶梯阻抗变换器的优化设计* 马国田　梁昌洪 　　摘要　提出了一种将标准遗传算法和确定性方法相结合的混合遗传算法，并应用该方法对相对带宽为100％的宽带阶梯阻抗变换器进行优化设计，克服了标准遗传算法效率太低及确定性方法易收敛于局部极小点的缺点．分别对负载阻抗为纯实数和复数的两种情况进行优化设计表明：当负载为纯电阻时，混合遗传算法的计算结果与Chebyshev综合所得结果基本一致；当负载为复阻抗时，混合遗传算法所得结果优于传统的综合方法．　　关键词　混合遗传算法　阻抗变换器　最优化　　中图分类号　TN624.1 Optimal design of the broadband stepped impedancetransformer based on the hybrid genetic algorithm Ma Guotian　Liang Changhong(Dept. of Microwave Telecommunications Engineering, Xidian Univ., Xi′an, 710071) 　　Abstract　A hybrid genetic algorithm (HGA) composed of the standard genetic algorithm (SGA) and the decisive optimal method is proposed, and a broadband stepped impedance transformer with 100％ relative band width is designed optimally by employing the presented algorithm. HGA has a higher search effectiveness compared with SGA, and can lead to global convergence, unlike decisive optimal methods which may lead to local convergence. The transformer is designed respectively in the case of a real impedance load and a complex one. The design results are presented, which show that HGA agrees with Chebyshev synthesis method if the load is a resistor, and is better than the traditional network synthesis method if the load is a complex impedance.　　Key Words　hybrid genetic algorithm　impedance transformer　optimization 　　阶梯阻抗变换器作为一种阻抗匹配结构，广泛应用于各种微波电路和天线系统中，对提高系统的性能起着十分重要的作用．阶梯阻抗变换器的设计可分为网络综合法和数值优化法．网络综合法已有十分成熟的理论，其中以Chebyshev综合得到的变换器为优［1］，但网络综合法只适于负载阻抗为纯实数，而且传输线各段的长度是已知值的情形，因而其应用有很大的局限性．阶梯阻抗变换器数值优化技术的应用始于本世纪60年代［2～4］，数值优化法不受负载形式的限制，对各段传输线的特性阻抗和长度同时进行寻优，因而适用范围广，在工程技术中得到了广泛应用．　　数值优化方法可分为确定性方法和非确定性方法两大类．确定性方法的优化过程总能保证目标函数是稳定下降的，而非确定性方法则不能保证，其优化过程表现出不同程度的随机性，这类方法包括枚举法，Monte Carlo法，模拟退火法及遗传算法．确定性方法是局部收敛算法，该类方法能较快地搜索到局部极小点，效率较高，但不适于复杂的优化问题；而非确定性方法是全局收敛算法，对目标函数要求很低，目标函数可以不可导，不连续，有多个极小点，因而非确定性方法适于求解复杂的优优问题，但这类方法的最大缺陷是目标函数的计算次数多，效率低．　　遗传算法(Genetic Algorithm，简称GA)是由美国的J.H.Holland教授于本世纪70年代提出的一种非确定性优化算法．该算法将生命的遗传机制与自然界的适者生存机制引入到科学计算中，以模仿自然界生物进化过程．因为生物在进化过程中所要解决的生存问题具有高度非线性、随机性、复杂性等特点，而生物的进化很好地解决了这一问题，所以遗传算法为解决高度复杂的实