基于改进灰狼优化算法的滤波天线优化设计
摘要
在滤波天线优化设计等实际工程问题中，通常会涉及大规模变量的优化问题，变量之间存在复杂的关联，导致算法收敛性差、求解精度不高、种群多样性差。为解决此问题，提出一种改进的多目标灰狼优化算法。为了实现大规模变量的有效降维和解耦，提出了多目标差分分组方法，将其应用在原始的多目标灰狼优化算法中，将搜索空间划分为多个子空间，并分别在每一个子空间中寻找最优解。此外，为了提高初始种群在搜索空间内分布的均匀性，采用Tent混沌映射和K-means聚类算法进行种群初始化。为了提高算法的勘探能力，采用黄金正弦策略更新灰狼位置，并提出自适应非线性控制参数。在ZDT测试集上验证算法的性能，所提算法在反世代距离（IGD）和超体积（HV）两个指标上均优于对比算法。将所提算法应用在滤波天线的优化设计中，实验结果表明，其可以快速地找到滤波天线的优化解：对比原始NSGWO算法，优化获得的滤波天线S11参数平均值降低36.4%，增益平均值提高41.4%；对比NSWOA*算法，S11参数平均值降低24.0%，增益平均值提高33.5%。
引用本文（GB/T 7714）
宋小涛 Song Xiaotao, 安斯光 An Siguang, 邹国平 Zou Guoping, 等. 基于改进灰狼优化算法的滤波天线优化设计[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。