混合粒子群算法在陣列天線綜合中的應(yīng)用.pdf

1、由于實際優(yōu)化問題情況復(fù)雜，傳統(tǒng)優(yōu)化方法對優(yōu)化問題的依賴性強，在解決復(fù)雜、困難的優(yōu)化問題時，往往具有較大的局限性；因此優(yōu)化效果好、可用性強的群體智能算法獲得發(fā)展，并被廣泛用于自動化控制、模式識別、人工智能等各個領(lǐng)域。
　　本文主要研究了群體智能算法中的粒子群優(yōu)化算法(Particle Swarm Optimization， PSO)，將其與細(xì)菌群體趨藥性算法(Bacterial Colony Chemotaxis optimizat

2、ion, BCC)相結(jié)合，提出了一種混合粒子群算法—Particle Swarm Optimization and Bacterial Colony Chemotaxis optimization(PSOBCC)，并將其應(yīng)用于陣列天線進行降低旁瓣電平和生成深零點。論文的主要研究成果如下：
　?。?）對粒子群算法的基本概念、實現(xiàn)方式、缺陷以及改進方式進行分析描述，進一步闡述了該算法的研究現(xiàn)狀和發(fā)展趨勢。
　?。?）為了提高算法

3、搜索速度，本文改變了粒子群算法的更新公式，只保留位置項進行迭代更新，并重新設(shè)置了慣性權(quán)重和學(xué)習(xí)因子的取值；同時為了提高算法的收斂精度，引入細(xì)菌群體趨藥性算法進行局部搜索。整個優(yōu)化過程中，對全局最優(yōu)值進行隨機擾動，并提出了精英替換策略。
　　（3）對優(yōu)化算法的一些常用測試函數(shù)進行研究，并將算法用單峰測試函數(shù)、多峰測試函數(shù)、經(jīng)過旋轉(zhuǎn)平移的經(jīng)典測試函數(shù)這三類測試函數(shù)分別進行測試，并與一些最新的和經(jīng)典的算法進行對比。
　?。?）將本