基于阵列Taylor权的最优粒子初值估计法

• 作者: 侴永斌 张树春 李德鑫 史毅夫 姜巍
• 来源期刊: 电子测量技术
• 关键词: 非线性优化算法 粒子群优化算法(PSO) 阵列天线方向图 方向图优化
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 70-75
• 页数: 6页
• 分类号: TN95|TN82|TP320
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2105722

摘要

优化阵列天线方向图时,最优粒子初值的有效估计能极大改善粒子群优化算法(PSO)的收敛性,得到更好的全局最优解.提出了基于Taylor权的最优粒子初值估计法,即利用阵列Taylor权作为最优粒子初值的有效估计量来改善PSO算法的收敛特性.仿真实验评估随机权、Taylor权和解析权3种最优粒子初值估计法对PSO算法收敛特性的影响,结果表明,相对于随机权,Taylor权和解析权都能够有效地改善PSO算法收敛特性,且两种方法的性能比较接近.由于解析权必须对大型矩阵求广义逆,这种运算不但非常消耗计算资源,且对超大型矩阵甚至无法实现,而Taylor权初值估计法相对简单高效,因而在阵列天线方向图非线性优化时,Taylor权最优粒子初值估计法具有更好的算法实用性.