發(fā)布時間：2017-03-27 01:08

  本文關鍵詞：生態(tài)系統(tǒng)粒子群算法及其在陣列天線方向圖優(yōu)化中的應用，，由筆耕文化傳播整理發(fā)布。

【摘要】：粒子群算法是Eberhert和Kennedy通過模仿鳥類捕食行為來達到尋優(yōu)目的的一種群智能優(yōu)化算法。粒子群算法具有結構簡單、易于實現、待調整參數少、收斂速度快等諸多優(yōu)點,其一經提出便受到了國內外學者的廣泛關注。目前,粒子群算法被成功的應用在了神經網絡訓練、電容配置、資源調度、多目標優(yōu)化等諸多領域,并展示出了其廣泛的應用前景和良好的優(yōu)化能力。盡管粒子群算法擁有許多其他算法不具備的優(yōu)勢,但是它仍然有很多不足之處,如解決高維復雜問題時收斂速度慢,容易陷入局部最優(yōu)解等。因此,如何對算法進行改進,使其能夠克服這些缺點和不足是研究者們的工作重點之一。本文在前人的研究基礎上,提出了一種能夠有效克服算法早熟收斂的生態(tài)系統(tǒng)粒子群算法,并將其應用到了陣列天線方向圖優(yōu)化問題中。本文的主要研究內容如下:(1)受自然界生態(tài)規(guī)律啟發(fā),我們提出了一種改進的粒子群算法,稱為生態(tài)系統(tǒng)粒子群算法(ESPSO)。ESPSO模仿自然界生態(tài)系統(tǒng)規(guī)律,共采用了三種學習策略,分別為生態(tài)系統(tǒng)策略、繁殖變異策略和全信息策略。借助這些學習策略,算法能夠有效的阻止多樣性的流失,阻止早熟收斂,平衡全局搜索能力和局部搜索能力,提升尋優(yōu)效率。本文通過仿真實驗,對ESPSO的參數選擇方案和尋優(yōu)能力進行了研究和驗證,實驗結果表明,ESPSO擁有良好的尋優(yōu)精度、尋優(yōu)效率和尋優(yōu)可信度。(2)智能天線在現代通信系統(tǒng)中發(fā)揮著重要的作用,而陣列天線方向圖綜合則是智能天線的核心技術。本文將ESPSO應用到了陣列天線方向圖優(yōu)化問題中,并通過仿真實驗驗證ESPSO的有效性。仿真結果表明,相較于標準粒子群算法和差分進化算法,ESPSO能夠更好的對陣列天線方向圖進行設計和優(yōu)化。
【關鍵詞】：粒子群算法 生態(tài)系統(tǒng)策略 陣列天線方向圖優(yōu)化
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第1章 緒論10-16
• 1.1 課題意義及研究目的10-11
• 1.2 粒子群算法研究現狀11-14
• 1.2.1 粒子群算法的理論研究11-12
• 1.2.2 粒子群算法的改進研究12-14
• 1.2.3 粒子群算法的應用研究14
• 1.3 本文的研究內容14-15
• 1.4 本文結構安排15-16
• 第2章 粒子群優(yōu)化算法16-30
• 2.1 引言16
• 2.2 部分智能優(yōu)化算法簡介16-22
• 2.2.1 遺傳算法16-18
• 2.2.2 人工蜂群算法18-19
• 2.2.3 蟻群算法19-21
• 2.2.4 布谷鳥搜索算法21-22
• 2.3 粒子群優(yōu)化算法22-28
• 2.3.1 原始粒子群算法22-24
• 2.3.2 標準粒子群算法24-25
• 2.3.3 粒子群算法的收斂性分析及其參數選擇25-27
• 2.3.4 粒子群算法的拓撲結構27-28
• 2.3.5 粒子群算法存在的問題28
• 2.4 本章小結28-30
• 第3章 生態(tài)系統(tǒng)粒子群算法30-58
• 3.1 引言30
• 3.2 生態(tài)系統(tǒng)粒子群算法30-38
• 3.2.1 生態(tài)系統(tǒng)策略31-33
• 3.2.2 繁殖變異策略33-35
• 3.2.3 全信息策略35-38
• 3.3 實驗仿真38-56
• 3.3.1 測試函數38-39
• 3.3.2 算法參數設置39-40
• 3.3.3 生態(tài)系統(tǒng)粒子群算法參數設置分析40-44
• 3.3.4 生態(tài)系統(tǒng)粒子群算法學習策略分析44-46
• 3.3.5 生態(tài)系統(tǒng)粒子群算法性能分析46-56
• 3.4 本章小結56-58
• 第4章 粒子群算法在陣列天線綜合中的應用58-70
• 4.1 引言58
• 4.2 天線陣基礎58-61
• 4.2.1 天線陣的輻射特性58-59
• 4.2.2 天線方向圖59-61
• 4.3 陣列天線方向圖優(yōu)化61-68
• 4.3.1 低副瓣直線陣綜合61-63
• 4.3.2 目標副瓣直線陣綜合63-65
• 4.3.3 零陷設置綜合65-68
• 4.4 本章小結68-70
• 第5章 總結與展望70-72
• 5.1 本文工作總結70-71
• 5.2 本文工作展望71-72
• 附錄 測試函數72-78
• 單峰函數72-73
• 多峰函數73-74
• CEC 2005測試函數74-78
• 參考文獻78-84
• 致謝84-86
• 碩士期間發(fā)表的論文86

【相似文獻】

中國期刊全文數據庫 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應用[J];計算機工程與應用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術;2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進的完全信息粒子群算法研究[J];曲阜師范大學學報(自然科學版);2011年01期

6 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[J];計算機工程與應用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應量子粒子群算法[J];計算機系統(tǒng)應用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機應用;2011年08期

9 任偉建;武璇;;一種動態(tài)改變學習因子的簡化粒子群算法[J];自動化技術與應用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應用[J];計算機工程與應用;2004年12期

中國重要會議論文全文數據庫 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術會議膨脹節(jié)設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術及其應用（第7卷）——'2005系統(tǒng)仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2007年

中國博士學位論文全文數據庫 前10條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調度問題研究[D];浙江工業(yè)大學;2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

8 劉宏達;粒子群算法的研究及其在船舶工程中的應用[D];哈爾濱工程大學;2008年

9 楊輕云;約束滿足問題與調度問題中離散粒子群算法研究[D];吉林大學;2006年

10 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應用[D];東北大學;2013年

中國碩士學位論文全文數據庫 前10條

1 張忠偉;結構優(yōu)化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調節(jié)隸屬函數模糊控制器設計[D];河北聯合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 王偉;大型螺紋旋風硬銑削數值模擬及工藝參數優(yōu)化[D];浙江大學;2016年

7 李玲玉;基于粒子群算法的城市軌道交通列車節(jié)能優(yōu)化研究[D];北京交通大學;2016年

8 苗冬云;基于改進粒子群算法的云任務調度方案研究[D];安徽財經大學;2015年

9 蔣曉\~;粒子群算法在多維優(yōu)化問題中的改進研究[D];浙江理工大學;2016年

10 劉角;生態(tài)系統(tǒng)粒子群算法及其在陣列天線方向圖優(yōu)化中的應用[D];太原理工大學;2016年

  本文關鍵詞：生態(tài)系統(tǒng)粒子群算法及其在陣列天線方向圖優(yōu)化中的應用，由筆耕文化傳播整理發(fā)布。

本文編號：269634