共查询到20条相似文献,搜索用时 31 毫秒
1.
粒子群优化算法(PSO)是一种基于群智能的随机优化算法,其理论简单,参数少,易于实现,可用于解决大量非线性、不可微和多峰值的复杂问题。本文介绍了粒子群算法的基本原理和基本流程,研究了如何将这种方法应用于阵列天线的方向图综合上,给出了PSO 算法在阵列天线方向图综合的应用实例,结果表明粒子群算法在阵列天线方向图综合上有很好的应用前景。 相似文献
2.
3.
自适应阵列天线常需要采用宽零陷技术,以增强阵列天线抗干扰的稳健性。为此,提出了一种基于混沌粒子群算法(CPSO)的阵列天线宽零陷方向图综合方法。该算法首先采用混沌序列初始化粒子位置,以增强搜索多样性,并在对部分非优胜粒子的位置更新时引入混沌扰动项,在每次迭代中对全局最优位置进行变尺度混沌优化,提高了全局和局部搜索能力,加快了收敛速度。仿真结果验证了混沌粒子群算法在阵列天线宽零陷方向图综合时的收敛速度和精度方面均优于标准粒子群算法。 相似文献
4.
5.
6.
7.
8.
9.
作为一种新型的群智能随机优化算法,粒子群优化(PSO )算法在解决各种非线性复杂问题上得到了广泛的应用。研究了粒子群优化算法在阵列天线方向图零陷加宽技术上的应用,通过实例表明粒子群算法能够在较宽的角度区间上形成满足要求的零陷,在抗干扰应用方面具有较高的应用前景。 相似文献
10.
为了克服粒子群优化算法早熟收敛,本文提出了一种改进的小波变异粒子群优化算法,由于该算法每次迭代时以一定的概率选中粒子进行小波变异扰动,能够克服算法后期易发生早熟收敛和陷入局部最优的缺点。同时将改进的算法应用于天线阵列方向图综合问题中,综合效果好于现有文献。 相似文献
11.
在粒子群算法优化阵列天线方向图时,适应值函数的选取对算法收敛和优化效率都有着至关重要的影响。针对复杂多指标方向图优化容易早熟收敛,提出了一种分步的适应值函数策略,通过分阶段提高优化指标,可以更好地促进算法收敛和提升优化效率。仿真结果表明:将此适应值策略应用于天线方向图综合中,在不改变算法本身的同时,可以在多零点和低旁瓣约束情况下取得更好的优化效果。 相似文献
12.
13.
14.
15.
16.
17.
18.
19.
<正>基本粒子群算法应用于阵列天线波束赋形时,优化算法容易陷入局部收敛,无法准确获得所需方向图,针对这一问题提出了一种粒子群融合遗传算法的改进优化算法。该算法在基本粒子群算法的基础上,引入了遗传算法中的交叉、变异机制,并结合精英粒子选择策略,增加了粒子种群的多样性,增强了算法的全局寻优能力,有效地提高了算法全局搜索的效率。仿真结果表明,将该方法应用于阵列天线波束赋形时能够得到预期的目标方向图,算法的优化效率高、优化效果好,具有较强的稳健性。 相似文献