发明名称 |
基于多目标空间映射算法的微波器件设计方法 |
摘要 |
本发明公开了一种基于多目标空间映射算法的微波器件设计方法,涉及电磁计算领域,该方法步骤为:1.多目标粒子群优化计算粗糙模型。2.精确模型评价粗糙模型Pareto最优解集的响应,由精确模型响应更新精确模型Pareto最优解集。3.采用差值神经网络模型建立粗糙模型与精细模型之间的映射关系。4.粗糙模型结合差值模型作为新的粗糙模型,多目标粒子群优化计算新粗糙模型。5.判断终止条件,若满足终止条件则输出精确模型Pareto最优解集,否则返回步骤2。本发明可以完成多目标形式的空间映射计算,使用差值神经网络模型替代参数提取过程,算法具有较好的收敛性和稳定性。 |
申请公布号 |
CN103500246A |
申请公布日期 |
2014.01.08 |
申请号 |
CN201310434810.3 |
申请日期 |
2013.09.22 |
申请人 |
江苏科技大学 |
发明人 |
田雨波;楼群;邱大为 |
分类号 |
G06F17/50(2006.01)I;G06N3/02(2006.01)I |
主分类号 |
G06F17/50(2006.01)I |
代理机构 |
南京经纬专利商标代理有限公司 32200 |
代理人 |
楼高潮 |
主权项 |
一种基于多目标空间映射算法的微波器件设计方法,其特征在于,包括以下步骤:1)使用多目标粒子群算法优化计算粗糙模型,控制Pareto最优解集的大小,得出一组Pareto最优解集;2)将粗糙模型Pareto最优解集送入精细模型计算响应,由精细模型响应更新精细模型Pareto最优解集;3)采用差值神经网络模型训练神经网络,将粗糙模型适应度作为输入,精细模型与粗糙模型适应度之差作为输出;4)将粗糙模型结合差值神经网络模型作为新粗糙模型,使用多目标粒子群优化计算新粗糙模型,得出一组基于粗糙模型和差值神经网络模型的Pareto解集,且控制解集的大小;5)判断Pareto最优解集个数是否满足设计要求,若满足设计要求,则输出精细模型的最优解集,否则返回步骤2)。 |
地址 |
212003 江苏省镇江市梦溪路2号 |