專利名稱：基于多目標(biāo)粒子群及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種微波電路的設(shè)計方法，尤其涉及一種基于多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法。
背景技術(shù)：
目前，國內(nèi)外對于微波電路的設(shè)計，一般采用的方法是先參照固定的電路模型，計算電路級數(shù)和電路參數(shù)，設(shè)計出器件的等效微波電路，然后使用微帶線或者傳輸線等模型對應(yīng)計算出的等效微波電路，得出所設(shè)計的微波器件。這種設(shè)計方法在計算等效微波電路時，主要存在兩個問題一是對于復(fù)雜的S參數(shù)，計算等效微波電路時很難找到相應(yīng)的參照模型，因而不能計算出符合要求的電路結(jié)構(gòu)和參數(shù)；二是采用現(xiàn)有設(shè)計方法，計算出的等效微波電路結(jié)構(gòu)和參數(shù)是單一的，這種單一的結(jié)構(gòu)，可能不利于后續(xù)實際制造加工。 粒子群算法是一種進(jìn)化智能算法，1995年由Eberhart博士和Kennedy博士提出，這是一種模擬鳥類捕食的計算方法。多目標(biāo)粒子群算法，是運(yùn)用粒子群算法搜索解空間的Pareto最優(yōu)解集。而拓?fù)鋽U(kuò)張演化，近年來主要用于神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的研究。將多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張演化相結(jié)合，用于微波電路的人工智能設(shè)計，從而解決現(xiàn)有微波器件設(shè)計存在的問題具有十分重要的意義。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法，不僅解決現(xiàn)有設(shè)計方法在無參照模型時設(shè)計等效微波電路所存在問題，而且解決現(xiàn)有方法設(shè)計等效微波電路出現(xiàn)唯一性的問題。本發(fā)明的目的通過以下技術(shù)方案予以實現(xiàn)一種基于多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法，該方法包括以下步驟( I)確定設(shè)計參數(shù)，初始化拓?fù)浣Y(jié)構(gòu)，初始化搜索歷史，確定拓?fù)鋽U(kuò)張迭代終止條件；其中，確定設(shè)計參數(shù)是確定設(shè)計目標(biāo)的S參數(shù)，確定多組評判解的目標(biāo)函數(shù)；初始化拓?fù)浣Y(jié)構(gòu)是確定某種開始搜索的拓?fù)浣Y(jié)構(gòu)；初始化搜索歷史是將搜索歷史置空；拓?fù)鋽U(kuò)張迭代終止條件為迭代次數(shù)達(dá)到一定值或有效解的個數(shù)達(dá)到一定值終止。(2)對于確定的拓?fù)浣Y(jié)構(gòu)，初始化多目標(biāo)粒子群；其中，初始化粒子群包括確定粒子群大小NP、多目標(biāo)粒子群迭代次數(shù)NG、由拓?fù)浣Y(jié)構(gòu)所確定的解空間維數(shù)D、最大保留的Pareto解集的數(shù)量NR、目標(biāo)函數(shù)空間每維分割個數(shù)ND ；(3)根據(jù)多目標(biāo)粒子群算法更新規(guī)則，更新粒子位置，更新Pareto解集，反復(fù)更新迭代，直到迭代次數(shù)達(dá)到NG，輸出求解的Pareto解集；(4)取出符合設(shè)計條件的Pareto解集中的解保存，將本次多目標(biāo)粒子群運(yùn)算的拓?fù)浣Y(jié)構(gòu)記錄在搜索歷史中，判斷是否要停止拓?fù)鋽U(kuò)張迭代；(5)如果未滿足拓?fù)鋽U(kuò)張迭代終止條件，則根據(jù)節(jié)點數(shù)多的結(jié)構(gòu)被選中的概率更大的原則，隨機(jī)選取搜索歷史中的拓?fù)浣Y(jié)構(gòu)，進(jìn)行隨機(jī)擴(kuò)張運(yùn)算，得出歷史中未搜索過的結(jié)構(gòu)，設(shè)定為新生成的結(jié)構(gòu)作為步驟(2)下次搜索的拓?fù)浣Y(jié)構(gòu)，然后返回步驟(2);(6)如果滿足拓?fù)鋽U(kuò)張迭代終止條件，則輸出結(jié)果。本發(fā)明的目的還可以通過以下技術(shù)措施來進(jìn)一步實現(xiàn)前述基于多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法，所述更新粒子群方法如下，粒子群的運(yùn)動方程為V (t) = ω · V (t~l) +C1 · (lbest-x (t))+C2 · (REP-x (t))X (t+1) =x (t) +V (t)其中，ω為常數(shù)或為隨迭代次數(shù)變化的變量，C1, C2為常數(shù)，Ibest為每個粒子搜·索過的最優(yōu)解，REP的選取是將所求的Pareto解集空間分割為NDd個超立方，統(tǒng)計每個立方中解的個數(shù)，除去不分布解的超立方，依照輪盤選擇方法，選擇解的個數(shù)較少的超立方，再隨機(jī)在其中選擇一個解；所述更新Pareto解集方法如下,對于每個新的解,遍歷Pareto解集,若新的解支配Pareto解集中的解，則將Pareto解集中的解替換為新的解,遍歷完成后，除去Pareto解集中重復(fù)的解；若Pareto解集中的某個解支配新的解，則舍棄新解；若遍歷完成后，新解既不支配Pareto解集中的解也不被Pareto解集中的解支配,則將Pareto解集分割為NDd個超立方，統(tǒng)計每個立方中解的個數(shù)，除去不分布解的超立方，依照輪盤選擇方法，選出解個數(shù)較多的超立方，將新解隨機(jī)替換選中的超立方中的一個解；所述拓?fù)鋽U(kuò)張運(yùn)算有兩種方式，即增加連接數(shù)或增加連接節(jié)點數(shù)，增加連接數(shù)時，隨機(jī)選擇兩個不相連的節(jié)點進(jìn)行連接；增加連接節(jié)點數(shù)時，隨機(jī)選中一條已經(jīng)連接的路，刪除此路，增加新的節(jié)點，并將新的節(jié)點與選中刪除的路的兩端節(jié)點相連。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是本發(fā)明與原有的設(shè)計方法相比，在設(shè)計較為復(fù)雜的等效電路時，不需尋找電路模型，可以直接計算等效電路結(jié)構(gòu)及參數(shù)。同時，對于同一電路設(shè)計指標(biāo)，本發(fā)明可以設(shè)計出多種不同結(jié)構(gòu)不同參數(shù)的微波電路，以便后續(xù)對應(yīng)為傳輸線或微帶線模型。


圖I是本發(fā)明微波電路設(shè)計方法流程圖；圖2是本發(fā)明多目標(biāo)粒子群算法流程圖；圖3是本發(fā)明的拓?fù)鋽U(kuò)張運(yùn)算示意圖；圖4是實施例一的等效電路S參數(shù)以及結(jié)構(gòu)；圖5是實施例二的等效電路S參數(shù)以及結(jié)構(gòu)；圖6是實施例三的等效電路S參數(shù)以及結(jié)構(gòu)；圖7是實施例四的等效電路S參數(shù)以及結(jié)構(gòu)。
具體實施例方式下面結(jié)合附圖和具體實施例對本發(fā)明作進(jìn)一步說明。如圖I所示，為本發(fā)明基于多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法流程圖。具體步驟為
(I)確定設(shè)計參數(shù)，初始化拓?fù)浣Y(jié)構(gòu)，初始化搜索歷史，確定拓?fù)鋽U(kuò)張迭代終止條件。確定設(shè)計的參數(shù)，即確定所設(shè)計的微波電路所要達(dá)到的要求，一般指定S參數(shù)在某一個或幾個頻點上所滿足的條件區(qū)別于其它頻率。對于解的評判標(biāo)準(zhǔn)，采用多個函數(shù)的形式，一般對于所關(guān)注的幾個頻點，每個頻點單獨使用一個函數(shù)進(jìn)行評判。初始拓?fù)浣Y(jié)構(gòu)的選擇沒有特定的要求，這里選擇兩點一連接的簡單結(jié)構(gòu)開始搜索。對于拓?fù)鋽U(kuò)張迭代終止條件的選擇，一般為迭代次數(shù)達(dá)到某一值或者有效解的個數(shù)達(dá)到某值終止。(2)初始化多目標(biāo) 粒子群算法。如圖2所示是本發(fā)明多目標(biāo)粒子群算法流程圖。這里需要確定幾個多目標(biāo)粒子群算法的參數(shù)，粒子群大小NP和多目標(biāo)粒子群迭代次數(shù)NG的選擇與問題維數(shù)D有關(guān)，例如在本發(fā)明具體實施例中設(shè)定NP=20 *D,NG=30 *D，搜索過程中最大保留的Pareto解集數(shù)NR取200。目標(biāo)函數(shù)空間每維分割個數(shù)ND取40。(3)根據(jù)多目標(biāo)粒子群的更新規(guī)則，更新粒子位置，更新Pareto解集，反復(fù)迭代，直到達(dá)到最大迭代次數(shù)NG。粒子群的更新規(guī)則為ν( ) = ω · V (t~l) +C1 · (lbest-x (t))+C2 · (REP-χ (t))X (t+1) =x (t) +V (t)ω為0. 4，c1 C2取值為2。Ibest為每個粒子搜索過的最優(yōu)解，REP的選取是將所求的Pareto解集空間分割為NDd個超立方，統(tǒng)計每個立方中解的個數(shù)，除去無解分布的超立方，依照輪盤選擇方法，選擇解個數(shù)較少的超立方，再隨機(jī)在其中選擇一個解。Pareto解集的更新規(guī)則為所述更新Pareto解集方法如下,對于每個新的解,遍歷Pareto解集,若新的解支配Pareto解集中的解，則將Pareto解集中的解替換為新的解,遍歷完成后，除去Pareto解集中重復(fù)的解；若Pareto解集中的某個解支配新的解，則舍棄新解；若遍歷完成后，新解既不支配Pareto解集中的解也不被Pareto解集中的解支配,則將Pareto解集分割為NDd個超立方，統(tǒng)計每個立方中解的個數(shù)，除去不分布解的超立方，依照輪盤選擇方法，選出解個數(shù)較多的超立方，將新解隨機(jī)替換選中的超立方中的一個解；當(dāng)多目標(biāo)粒子群迭代滿足終止條件后，輸出其中保留的Pareto解集。(4)將輸出的Pareto解集中滿足設(shè)計條件的解保留，將此次搜索的拓?fù)浣Y(jié)構(gòu)記錄在搜索歷史中。判斷是否要停止拓?fù)鋽U(kuò)張迭代，若滿足停止迭代的條件，則輸出保存的符合設(shè)計條件的解，若不滿足，則繼續(xù)。(5)根據(jù)節(jié)點數(shù)多的結(jié)構(gòu)被選中的概率更大的原則，隨機(jī)選取搜索歷史中的拓?fù)浣Y(jié)構(gòu)，進(jìn)行隨機(jī)的擴(kuò)張運(yùn)算，得出歷史中未搜索過的結(jié)構(gòu)，設(shè)定新生成的結(jié)構(gòu)作為下次搜索的拓?fù)浣Y(jié)構(gòu)。對于拓?fù)鋽U(kuò)張運(yùn)算，可分為增加連接數(shù)或增加連接節(jié)點數(shù)兩種方法。增加連接數(shù)時，隨機(jī)選擇兩個不相連的節(jié)點進(jìn)行連接；增加連接節(jié)點時，隨機(jī)選中一條已經(jīng)連接的路，刪除此路，增加新的節(jié)點，并將新的節(jié)點與選中刪除的路的兩端節(jié)點相連。如圖3所示是本發(fā)明中的拓?fù)鋽U(kuò)張運(yùn)算的示意圖。下面給出四個具體實施例，即設(shè)計四組濾波器的等效微波電路證明本方法的有效性。
實施例中選取等效微波電路元件為電阻R，電感L，電容C，I、II號連接屬于端口，阻抗Ztl為固定50 Ω，并且I號節(jié)點為接地點。實施例一設(shè)計2. 4GHz單阻帶濾波器微波電路；這里采取的目標(biāo)函數(shù)為
權(quán)利要求
1.一種基于多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法，其特征在于，該方法包括以下步驟 1)確定設(shè)計參數(shù)，初始化拓?fù)浣Y(jié)構(gòu)，初始化搜索歷史，確定拓?fù)鋽U(kuò)張迭代終止條件；其中，確定設(shè)計參數(shù)是確定設(shè)計目標(biāo)的S參數(shù)，確定多組評判解的目標(biāo)函數(shù)；初始化拓?fù)浣Y(jié)構(gòu)是確定某種開始搜索的拓?fù)浣Y(jié)構(gòu)；初始化搜索歷史是將搜索歷史置空；拓?fù)鋽U(kuò)張迭代終止條件為迭代次數(shù)達(dá)到一定值或有效解的個數(shù)達(dá)到一定值終止； 2)對于確定的拓?fù)浣Y(jié)構(gòu)，初始化多目標(biāo)粒子群；其中，初始化粒子群包括確定粒子群大小NP、多目標(biāo)粒子群迭代次數(shù)NG、由拓?fù)浣Y(jié)構(gòu)所確定的解空間維數(shù)D、最大保留的Pareto解集的數(shù)量NR、目標(biāo)函數(shù)空間每維分割個數(shù)ND ； 3)根據(jù)多目標(biāo)粒子群算法更新規(guī)則，更新粒子位置，更新Pareto解集，反復(fù)更新迭代，直到迭代次數(shù)達(dá)到NG，輸出求解的Pareto解集； 4)取出符合設(shè)計條件的Pareto解集中的解保存，將本次多目標(biāo)粒子群運(yùn)算的拓?fù)浣Y(jié)構(gòu)記錄在搜索歷史中，判斷是否要停止拓?fù)鋽U(kuò)張迭代； 5)如果未滿足拓?fù)鋽U(kuò)張迭代終止條件，則根據(jù)節(jié)點數(shù)多的結(jié)構(gòu)被選中的概率更大的原則，隨機(jī)選取搜索歷史中的拓?fù)浣Y(jié)構(gòu)，進(jìn)行隨機(jī)擴(kuò)張運(yùn)算，得出歷史中未搜索過的結(jié)構(gòu)，設(shè)定為新生成的結(jié)構(gòu)作為步驟2)下次搜索的拓?fù)浣Y(jié)構(gòu)，然后返回步驟2)； 6)如果滿足拓?fù)鋽U(kuò)張迭代終止條件，則輸出結(jié)果。
2.如權(quán)利要求I所述的基于多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法，其特征在于，所述更新粒子群方法如下，粒子群的運(yùn)動方程為V(t) = ω · V(t~l)+C1 · (lbest-x(t))+C2 · (REP-χ (t)) χ (t+1) =x (t) +V (t) 其中，ω為常數(shù)或為隨迭代次數(shù)變化的變量，C1, C2為常數(shù)，Ibest為每個粒子搜索過的最優(yōu)解，REP的選取是將所求的Pareto解集空間分割為NDd個超立方，統(tǒng)計每個立方中解的個數(shù)，除去不分布解的超立方，依照輪盤選擇方法，選擇解的個數(shù)較少的超立方，再隨機(jī)在其中選擇一個解； 所述更新Pareto解集方法如下，對于每個新的解,遍歷Pareto解集,若新的解支配Pareto解集中的解,則將Pareto解集中的解替換為新的解,遍歷完成后，除去Pareto解集中重復(fù)的解；若Pareto解集中的某個解支配新的解，則舍棄新解；若遍歷完成后，新解既不支配Pareto解集中的解也不被Pareto解集中的解支配,則將Pareto解集分割為NDd個超立方，統(tǒng)計每個立方中解的個數(shù)，除去不分布解的超立方，依照輪盤選擇方法，選出解個數(shù)較多的超立方，將新解隨機(jī)替換選中的超立方中的一個解； 所述拓?fù)鋽U(kuò)張運(yùn)算有兩種方式，即增加連接數(shù)或增加連接節(jié)點數(shù)，增加連接數(shù)時，隨機(jī)選擇兩個不相連的節(jié)點進(jìn)行連接；增加連接節(jié)點數(shù)時，隨機(jī)選中一條已經(jīng)連接的路，刪除此路，增加新的節(jié)點，并將新的節(jié)點與選中刪除的路的兩端節(jié)點相連。
全文摘要
本發(fā)明公開了一種基于多目標(biāo)粒子群算法及拓?fù)鋽U(kuò)張的微波電路設(shè)計方法，包括以下步驟1)確定設(shè)計參數(shù)，初始化拓?fù)浣Y(jié)構(gòu)、搜索歷史，確定拓?fù)鋽U(kuò)張迭代終止條件；2)對于確定的拓?fù)浣Y(jié)構(gòu)，初始化多目標(biāo)粒子群；3)更新粒子位置、Pareto解集，反復(fù)迭代直到達(dá)到迭代次數(shù)；4)取出符合設(shè)計條件的Pareto解集中的解保存，判斷是否要停止拓?fù)鋽U(kuò)張迭代；5)如果未滿足終止條件，進(jìn)行隨機(jī)擴(kuò)張運(yùn)算，得出歷史中未搜索過的結(jié)構(gòu)，設(shè)定為新生成的結(jié)構(gòu)然后返回步驟2)；6)如果滿足迭代終止條件，則輸出結(jié)果。本發(fā)明解決現(xiàn)有方法在無參照模型時等效微波電路所存在問題及唯一性的問題。
文檔編號G06F17/50GK102880760SQ20121038284
公開日2013年1月16日 申請日期2012年10月11日 優(yōu)先權(quán)日2012年10月11日
發(fā)明者田雨波, 樓群, 邱大為 申請人:江蘇科技大學(xué)