董建刚,王新宽

摘  要： 为了提高阵列综合收敛速度，实现目标函数局部最优，分析了现有的遗传算法存在的不足，提出了一种应用于线性阵列综合的改进遗传算法。该算法根据现有算法对实数编码搜索能力不强，容易陷于局部最优解的缺陷，提出了能够增强个体寻优范围的搜索方案，以跳出局部最优解，是解决问题的有效途径。仿真结果表明，改进后的算法能够使目标函数迅速跳出局部最优解，收敛速度至少增加了2～10倍。

关键词： 遗传算法； 阵列综合； 局部最优； 收敛速度

中图分类号： TN955?34                        文献标识码： A                        文章编号： 1004?373X（2014）23?0062?04

Abstract： In order to improve the convergence speed and the target array synthesis function of local optimum， the deficiencies of the existing genetic algorithm are analyzed， and a modified genetic algorithm for synthesis of linear arrays is proposed in this paper because the existing genetic algorithm is easy to occur the local convergence when it conducts the synthesis of linear arrays. A search scheme to enhance the scope of individual search program so as to jump out of the local optimal solution is proposed in consideration of the problems that the existing algorithms are not strong in real?coded search capability and is easy to trap in the local optima solution. It′s an effective way to solve the problem. Simulation results show that the modified algorithm can make the object function jump out of local optimum solution rapidly， and the convergence speed is substantially increased by at least 2～10 times， comparing with the origin method.

Keywords： genetic algorithm； array synthesis； local optimum； convergence speed

0  引  言

阵列综合是通过设计天线阵元的激励电流幅度、相位和阵元位置等来实现要求的方向图，其本质是一个非线性优化问题。遗传算法是模拟生物在自然界中的遗传和变异而形成的一种全局优化算法[1]，广泛地应用于天线阵综合问题[2?7]。

在遗传算法中，交叉算子和变异算子是产生新个体的原因，其中交叉算子的好坏对算法的搜索能力和收敛速度有着关键性的影响。因此，寻找优异的交叉算子，改善遗传算法的局部搜索能力，是保证算法快速收敛的重要途径。本文在已有的用于阵列天线综合的遗传算法[8]基础上，引入了一种改进的交叉算子，并结合电流振幅的扩展操作对已有算法进行改进，以实现线性阵列天线方向图的快速综合。仿真结果表明，与已有算法相比，改进后的算法能够有效避免早熟现象，较大程度地降低了天线方向图的最大旁瓣电平；……