童红兰 叶宝江 华东电子工程研究所， 合肥 230088

自适应粒子群算法在微波电路中应用

童红兰 叶宝江 华东电子工程研究所， 合肥 230088

常规粒子群算法（SPSO）在优化过程中易陷入局部最优，本文分析了常规粒子群算法陷入局部最优的原因，提出采用一种自适应粒子群算法（APSO）避免陷入局部最优，改善算法的收敛性和精度。最后用自适应粒子群算法设计宽带阶梯阻抗变换器，结果表明，与常规粒子群算法相比，自适应粒子群算法全局速度快、成功率和精度也有显著提高。

自适应粒子群；宽带；阶梯阻抗变换器

adaptive particle swarm optimization algorithm；broadband；stepped impedance transformer

引言

粒子群优化算法（Particle Swarm Optimization,PSO）是由Kennedy和Eberhart[1]于1995年提出的。PSO算法作为一种基于群体智能的全局优化算法，具有概念清晰、调整参数少易实现、鲁棒性好等优点。

常规粒子群算法（SPSO）存在易陷入局部极值点，进化后期收敛速度慢，精度较差等缺点[2]。本文提出一种带自适应变异机制的粒子群算法（APSO）对宽带阶梯阻抗变换器这一经典微波电路进行优化设计，通过优化结果比较，表明APSO算法较SPSO算法具有更高的优化精度，同时避免了收敛速度慢及陷入局部极值点的问题。

1 SPSO算法

SPSO算法中，每个优化问题的潜在解都是搜索空间中一个粒子，所有粒子都有一个由被优化的函数决定的适应度值，并且每个粒子还有一个速度vi=（vi1，vi2,……，vid）决定它们方向和距离。在搜索空间中以一定的速度飞行，然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解：个体极值pi=（pi1，pi2,……，pid）。