向欣，张莉，陈笛，蒋昊，王光燿，赵鑫茹

（中国传媒大学信息与通信工程学院，北京 100024）

1 引言

近年来，由于多频微带天线不仅具有体积小、低剖面性、成本低等优势，而且可以满足多功能通信系统共用一个发射天线的需求，符合系统集成化的趋势，所以成为移动通信中天线设计的热点。但是传统的天线优化需经过反复的数值计算和参数微调等大量工作才能得到比较理想的结果，不过自1997年Altshuler 应用遗传算法设计了一款线天线后［1］，各种智能优化算法为天线设计优化人员提供了一条全新高效的解决之道。

粒子群优化（PSO）算法是一种通用的全局搜索群智能优化算法，具有并行高效和易于操作实现等优点，最早是由Kennedy 教授和Eberhart 教授受鸟群觅食行为的启发提出的［2］。但是传统PSO 算法存在后期收敛速度慢和易早熟从而陷入局部最优的缺点，很多学者对其做出了改进。刘文英将粒子群优化算法与遗传算法相结合，加快了收敛速度［3］；Li-Yeh Chuang 等人首次提出鲶鱼粒子群优化（Catfish Particle Swarm Optimization，CatfishPSO）算法［4］，增加了找到全局最优解的概率；程慕鑫等人在粒子群算法中引入了平均最好位置的概念，并对它进行小波变异，以提高种群多样性［5］；杜清福对搜索空间分解，提出了合作式粒子群优化算法，改善了早熟问题［6］。钟子强则利用粒子当前位置离全局最优位置的距离与离全局最差位置的距离的比值，来决定粒子的进化速度［7］。传统PSO 算法及各种改进PSO 算法也都在天线优化设计中发挥着重要作用。……