一种基于粒子群算法的单频点上的天线布局优化

摘要

本发明公开了一种基于粒子群算法的单频点上的天线布局优化方法，该方法步骤一在FEKO中建立天线优化模型，生成一个*.pre文件；步骤二在MATLAB中设置PSO中的参数；步骤三设置初始迭代步长t＝1，随机初始化所有粒子的位置x_i(t)和速度v_i(t)；步骤四将x_i(t)写入*.pre文件；步骤五启动PREFEKO、RUNFEKO模块，生成*.out文件；步骤六从*.out文件中读取S参数，计算粒子i的适应值f_i(t)；步骤七更新种群最优值步骤八更新所有粒子的速度v_i(t)和位置x_i(t)；步骤九判断是否完成全部迭代，若未完成，则设置t＝t+1并返回第四步；步骤十得到所有天线最优位置的向量相对于FEKO，本发明中PSO算法中的参数可调，优化结果更优，在确保优化效果前提下，还能提高优化速度。

主权项

一种基于粒子群算法的单频点上的天线布局优化方法，具体包括以下几个步骤：其中第二步到第十步均在MATLAB中进行：第一步：建立天线优化模型；根据天线的种类，在CADFEKO中建立天线优化模型，设置每种天线的工作频率，在EDITFEKO中将天线的几何位置设置为优化变量，生成*.pre文件；在PSO算法中，设x_i(t)＝(x_i1,x_i2,…,x_in)表示第i个粒子的n维位置向量，v_i(t)＝(v_i1,v_i2,…,v_in)表示第i个粒子的n维速度向量，在天线布局方案中，将优化变量抽象为粒子的位置向量x_i(t)，优化变量和粒子的位置向量存在一一对应的关系，假设要优化k根天线，由待优化的所有天线的位置集合Φ表示优化变量，p_i表示第i根天线的三维位置坐标，则优化变量Φ如下：Φ＝{P₁,P₂,…,P_k}＝{(x₁,y₁,z₁),(x₂,y₂,z₂),…(x_k,y_k,z_k)}采用粒子的位置向量x_i(t)来代表优化变量Φ；第二步：在MATLAB中设置PSO中的参数；设置优化变量的维数D、优化变量的变化范围VarRange、最大速度mv、迭代次数T、粒子个数N、学习因子c₁、学习因子c₂、惯性权重w；第三步：设置初始迭代步长t＝1，随机初始化所有粒子的位置x_i(t)和速度v_i(t)，其中粒子的位置在VarRange的范围内，粒子的速度被限制在[0，mv]内；第四步：读取第一步生成的*.pre文件，将x_i(t)写入*.pre文件，每当一个粒子的x_i(t)被写入*.pre文件中，就生成一个新的*.pre文件，文件的个数与粒子个数相等，在此假设粒子群中共有N个粒子，最终就生成N个*.pre文件；第五步：在MATLAB中通过dos(‘prefeko filename’)命令，启动PREFEKO模块对N个*.pre模型进行网络刨分，通过dos(‘runfeko filename’)命令，调用RUNFEKO模块，运行N个*.pre文件，计算当前优化变量的仿真结果，生成N个新的*.out文件；第六步：从*.out文件中读取S参数，计算粒子i的目标函数值，即其适应值f_i(t)；第七步：更新粒子i和种群最优值如果则如果则在每一次的迭代过程中，对于每个粒子都有自己的个体极值和该极值所对应的粒子的位置表示第i个粒子适应值的极小值，表示此极小值所对应的天线的几何位置；对于整个种群具有全局极值和该极值所对应的粒子的位置表示所有粒子的个体极值中的最优解，表示此最优解所对应的天线的几何位置。第八步：按照公式(1)、(2)更新所有粒子的速度v_i(t)和位置x_i(t)，每个粒子都会根据个体极值和全局极值以速度v_i(t)在指定区域内搜索最优解和最优位置；其中：每个粒子按照以下两个公式更新它的速度和位置：$v_{ij}(t+1)={\mathrm{wv}}_{ij}\left(t\right)+c_1{r}_{1j}\left(t\right)\left(p_{best,j}^i\right(t)-x_{ij}(t\left)\right)+c_2{r}_{2j}\left(t\right)\left(p_{best,j}^g\right(t)-x_{ij}(t\left)\right)---\left(1\right)$x_ij(t+1)＝x_ij(t)+v_ij(t+1)   (2)其中：i＝1,2,…,m表示第i个粒子，j＝1,2，…，n表示粒子的第j维，c₁、c₂为学习因子或加速常数，r₁、r₂是均匀分布在(0，1)区间中的随机函数，t为迭代次数的步长，w为惯性权重；第九步：根据和当前的迭代次数判断迭代是否结束，若完成全部迭代，或连续多次迭代结果相同，则迭代结束；否则设置t＝t+1并返回第四步；第十步：迭代结束后，得到和为所有天线间相互干扰都最小时天线的几何位置的向量。