(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111433023.8 (22)申请日 2021.11.29 (71)申请人 中国人民解 放军火箭军工程大 学 地址 710025 陕西省西安市灞桥区洪 庆街 道同心路2号 (72)发明人 王旭健　张峰干　伍宗伟　姚敏立　 侯榜焕　赵建伟　朱丰超　 (74)专利代理 机构 西安方诺专利代理事务所 (普通合伙) 61285 代理人 李思琼 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) (54)发明名称 基于改进差分进化算法的稀布线阵优化方 法 (57)摘要 本发明公开了一种基于改进差分进化算法 的稀布线阵优化方法(Teaching  Quality   Evaluation  based Differential  Evolution, TQEDE)， 与传统差分进化算法相比， 改进算法的 创新在于其独特的种群生 成方式， 新的种群生成 方法不仅可以利用亚种群内个体 之间的差异， 还 可以利用亚种群和亚种群之间的差异来指导进 化方向。 对标准测试函数的数值实验验证了 TQEDE的有效性， 收敛速度加快， 解的精度提高； TQEDE在稀布线阵优 化中的应用结果表明， T QEDE 可以提高天线性能， 进一步降低稀布线阵的峰值 旁瓣电平。 权利要求书2页 说明书10页 附图4页 CN 114297788 A 2022.04.08 CN 114297788 A 1.一种基于改进差分进化 算法的稀布线阵优化方法， 其特 征在于： 包括以下步骤： S1： 建立稀布线阵优化模型 S101： 以降低天线的峰值旁瓣电平为优化目标， 结合 阵列天线 的约束条件对稀布线阵 优化， 建立优化模型； S2： 改进差分进化 算法 S201： 参数初始化， 确定种群规模NP、 亚种群个数N、 权重向量w、 缩放因子F、 交叉概率 Cr， 和迭代次数N I； S202： 生成亚种群， 计算 亚种群中个 体的适应度值； S203： 根据种群规模NP以及高分个体、 优秀个体、 及格个体的额定比例， 确定高分、 优 秀、 及格的标准； S204： 计算每 个亚种群的评估指标； S205： 根据所述权 重向量w以及计算出的评估指标， 计算每 个亚种群的评估得分； S206： 根据评估得分， 确定每 个亚种群产生的新个 体数量， 并生成新个 体； S207： 比较父代个 体与新生成个体的适应值， 选择较好的一个传递到下一代种群中； S208： 判断是否满足 终止条件， 若满足， 则算法终止； 否则， 执 行S209； S209： 将所有亚种群中的新个体融合到一起， 并重新划分成N个新亚种群； 返回到步骤 S203， 开始下一次迭代； S3： 采用改进差分进化算法求解所述稀布线阵优化模型， 通过比较， 验证该改进差分进 化算法。 2.根据权利要求1所述的基于改进差分进化算法的稀布线阵优化方法， 其特征在于： 步 骤S101中所述峰值旁瓣电平计算方法如下： 对于有2N+1个阵元的线阵， 可通过式(1)来计算阵因子AF： 而对于有2N个阵元的线阵， 其阵因子AF由式(2)计算： 其中， k表示波数， 且k ＝2 π/ λ， λ是波长； u＝si nθ， xn是第n个阵元的位置坐标； 阵列天线中， 峰值旁瓣电平越小， 能量将越集中在主波束方向， 天线性能越优， 其计算 公式为： 其中， AFmax表示主瓣区域的最大电平值， AF(us)表示除主瓣区域以外其他区域的电平 值。 3.根据权利要求1所述的一种基于改进差分进化算法的稀布线阵优化方法， 其特征在 于： 步骤S101中对 稀布线阵建立的优化模型为：权　利　要　求　书 1/2 页 2 CN 114297788 A 2其中， dc为最小阵元间隔， 通常dc＝0.5 λ， N是阵元总数的一半， L是阵列孔径的一半。 4.根据权利要求1所述的一种基于改进差分进化算法的稀布线阵优化方法， 其特征在 于： 步骤S204中每个亚种群的评估指标包括高分率rh、 优秀率rg、 及格率rp三个评估指标， 其 计算公式为： 其中， rh、 rg、 rp分别表示高分率、 优秀率、 及格率； nh、 ng、 np分别表示班级的高分人数、 优 秀人数以及及格人数； Nh、 Ng、 Np分别表示年级额定的高分人数、 优秀人数以及及格人数， 其 由年级总人 数以及高分、 优秀、 及格的额定比例确定 。 5.根据权利要求4所述的一种基于改进差分进化算法的稀布线阵优化方法， 其特征在 于： 步骤S20 5中， 所述评估得分的计算公式为： score＝10 0×rh×wh+100×rg×wg+100×rp×wp    (8) 其中， wh， wg， wp是分配给三个指标的权 重。 6.根据权利要求1所述的一种基于改进差分进化算法的稀布线阵优化方法， 其特征在 于： 步骤S20 6中确定新个 体数量的公式为： 其中， Ci表示第i个亚种群能够产生的新个体数量， Si表示第i个亚群的评价得分， round ()是取整函数， j＝ N时的计算公式保证了所有亚种群产生的新个 体总数不超过NP。 7.根据权利要求6所述的一种基于改进差分进化算法的稀布线阵优化方法， 其特征在 于： 步骤206确定新个体的方式为： 用Oi表示第i个亚种群根据 评估得分确定的新个体数量， Pi表示第i个亚种群的个 体数量； 当Oi＜Pi时， 进行父代种群缩减， 即从该亚种群Pi个个体中随机选取Oi个不同的个体， 作 为产生新个体的父代种群； 当Oi＞Pi时， 进行父代种群扩增， 即若nPi＜Oi＜＝(n+1)Pi， 则将父代种群中Pi个个体每 个都复制成n个， 再从Pi个父代个体中随机选择(Oi‑nPi)个不同的个体， 这样就构成了能产 生Oi个新个体的父代种群。权　利　要　求　书 2/2 页 3 CN 114297788 A 3