基于改进自适应演化算法的微波电路优化设计.pdfVIP

2005’全国微波毫米波会议论文集 基于改进白适应演化算法的微波 电路优化设计 陈伟史小卫 (西安电子科技大学天线与微波技术国家重点实验室陕硅西安 7100711 摘要：本文首先介绍了自适应演化算法的原理，并在此基础上对算法进行了改进，修改 了变异操作中分量值会超i_|=}定义域范嗣的错误，改善了重组操作并不一定产生更优后代 的缺点，从而大大提高了收敛到全局最优解的概率。通过将此两种算法引入微波电路的 设计中，通过结果对照，证明此改进算法的优良特性。 关键字：自适应演化算法阶梯阻抗变换器最优化 一、引言 自适应演化算法，简称AEA，是实数表示遗传算法中的一种，克服了位串表示遗 Cli正精度要事先确定，对大规模问题位串长 传算法的一些固有缺点，例如：Hamming 度太长等。相对于标准遗传算法而言，它采用了重组操作取代杂交操作，并且在执行熏 组操作之前以一定的概率进行倒位运算，以达到增加种群多样性的同时提高收敛速度。 本文在AEA算法的基础上对其进行了改进，提高了收敛到全局最优解的概率，并将两 种算法应用到微波电路的优化设计中，验证了算法的有效性。 二、AEA原理 (1)AEA基本概念 AEA算法是遗传算法中的一种，与标准遗传算法不同的是，它 的遗传操作由选择、倒位、重组和变异组成。在进行遗传操作之前， 将各个变量的定义域映射N[o，11中，使得遗传操作和各个分量的定义 域无关，并且能进行倒位运算，在计算目标函数时再将变量还原到真 实值。重组操作有别标准遗传算法的杂交操作，虽然二者都选取了两 个个体，杂交操作产生两个后代，而重组操作只产生一个后代。对于 实数表示遗传算法而言，采用倒位运算对于类似于动态优化控制问题， 不仅可以避免过早收敛，还能显著改进算法的性能【I#J。AEA算法的 流程如图1所示： (2)AEA算法计算步骤 在应用AEA算法进行优化计算时，假没种群个数为N，它将通过 选择操作和倒位操作产生下一代的Nsel个个体，由重组操作和变异操 作产生剩下的个体，在进行每一代进化中，将种群的第一个个体用临 时最优个体代替，保证r算法的收敛件。 ●编码表示 假设搜索空间为(X1X2，¨．，Xn)，xf∈【fJ，U，]，(i=l…2…，M)，此 图1 处 [f。，“，]为变量Xi的定义域．通过以下变换将定义域映射N[0，1】区问： Xi=(X：一‘)／(“，一‘) 197 2005’全国微波毫米波会议论文集 ●选择操作 采用截断选择，从群体中选择T％的最好个体作为父体。 · 倒位操作 对父体向量以概率P进行如下倒位操作：在父体向量中随机选择两点，把向量在这 两点截断，将截断部分反序得到后代。例如，对丁二父向量(x。．xi，．．x，一Xn)，取 倒位点为I和j，则后代向量为(X1，…Xj,。J-l，¨．t…xJ，矗。)。 · 重组操作 首先选择重组点，假设为k(okⅡ)，则后代和父体之问有如下关系： ‘2’ 刁书雾ki七k ㈤ 铲k矿 再在0415之间随机产生～个整数，对重组点上的分量进行如下操作： z女=(IXk+10。l+{y女4107})／10’ x 其中n是分量的个数，运算l I表示取4i大于x的最大整数；{y)表示取Y的小数 部分。 ● 变异操作 以概率Pm对由重组产生的后代向量的x。分量进行如下变异操作：在0h15之间随 机产生一个整数i，新的的分量为：