基于动态遗传算法的稀疏阵列优化方法研究

doi:10.3976/j.issn.1002-4026.2025046

山东科学

• 海洋科技与装备 •

基于动态遗传算法的稀疏阵列优化方法研究

姚凤薇

上海电子信息职业技术学院通信与信息工程学院,上海 201411

收稿日期:2025-04-30 接受日期:2025-05-18 上线日期:2025-12-09
通信作者: 姚凤薇 E-mail:jojoyao@163.com
作者简介:姚凤薇（1979—），女，博士，研究员，研究方向为天线及微波电路技术研究。
基金资助:
上海市自然科学基金 (17ZR1411100) ；上海电子信息职业技术学院高层次科研启动项目(CCC2023027)

Sparse Array Optimization Method using a Dynamic Genetic Algorithm

YAO Fengwei

School of Communication and Information Engineering, Shanghai Technical Institute of Electronics and Information, Shanghai 201411, China

Received:2025-04-30 Accepted:2025-05-18 Online:2025-12-09
Contact: YAO Fengwei E-mail:jojoyao@163.com

摘要/Abstract

摘要： 针对二维稀疏阵列的优化问题，提出了一种改进的动态遗传算法，旨在减少阵列元素数量的同时抑制副瓣电平。通过结合了迭代次数与种群适应度，提出了进化完成度指数，该指数能够更好地描述种群进化的完成度。基于完成度指数设计了一种可动态调整的交叉和变异算子，使得算法能够根据不同优化阶段的需求，灵活调整交叉变异概率，提升整体优化效果。与传统遗传算法相比，实验结果表明本方法在进行天线阵列稀疏优化时，能够有效降低峰值副瓣比3.9dB以上，展现了较强的适应性与稳定性。

关键词: 二维稀疏阵列, 遗传算法, 进化完成度指数, 动态参数, 副瓣抑制

Abstract: To address the optimization challenges associated with two-dimensional sparse arrays, this study proposes an improved dynamic genetic algorithm. This algorithm focuses on reducing the number of array elements while enhancing peak sidelobe suppression. This proposed algorithm introduces an evolutionary completion index that integrates the number of iterations and population fitness to accurately characterize the evolutionary progress of the population. In addition, according to this index, dynamically adjustable crossover and mutation operators are designed, which enable the algorithm to flexibly adjust crossover and mutation probabilities to satisfy the needs of different optimization stages, thereby improving the overall optimization performance. The experimental results revealed that compared with traditional genetic algorithms, the proposed algorithm can effectively suppress the peak sidelobe ratio by more than 3.9 dB in sparse array optimization, thereby exhibiting robust adaptability and stability across various sparsity levels.

Key words: two-dimensional sparse array, genetic algorithm, evolutionary completion index, dynamic parameters, sidelobe suppression

中图分类号:

TN802

姚凤薇. 基于动态遗传算法的稀疏阵列优化方法研究[J]. 山东科学, 0, (): 1-.

YAO Fengwei. Sparse Array Optimization Method using a Dynamic Genetic Algorithm[J]. Shandong Science, 0, (): 1-.

参考文献

[1] YAO F W, LIU W, JIANG M. Engineering realization of a dual-band monopulseantenna[J]. International Journal of Performability Engineering, 2019, 15(8): 2116. DOI: 10.23940/ijpe.19.08.p11.21162122.

[2] 姚凤薇. 双波段微带/波导单脉冲天线的工程实现方法[J]. 微波学报, 2016, 32(5): 32-34. DOI: 10.14183/j.cnki.1005-6122.201605008.

[3]钟顺时.天线理论与技术[M].北京:电子工业出版社, 2011.

[4] 王向荣,黄嘉怡,谢晋，等.面向艇载气象雷达的稀疏相控阵优化设计[J].信号处理，2024，40（9）：1569-1586.DOI：10.12466/xhcl.2024.09.001

[5] 孙丹,梁复台,张琬婷.基于改进鸽群算法的稀疏阵列优化问题研究[J].舰船电子对抗，2023，46（6）:78-82. DOI:10.16426/j.cnki.jcdzdk.2023.06.014

[6] 李雪莲，李秀梅，周哲.Ka频段大规模相控阵稀疏布阵算法设计与应用[J].电讯技术，2023，63（10）：1524-1530。DOI: 10．20079/j．issn．1001－893x．230305001

[7]宋豪,詹珍贤,许唐红,等.切角阵副瓣电平遗传算法优化[J].雷达科学与技术, 2021, 19(6): 737-740. DOI: 10.3969/j.issn.1672-2337.2021.06.014.

[8]刘广,汪爽,汪井,等.基于粒子群算法的阵列天线波束赋形研究[J].微波学报, 2023, 39(3): 37-40. DOI: 10.14183/j.cnki.1005-6122.202303007.

[9]刘新星,张贞凯,费晓.模拟退火算法的共享孔径多波束形成[J].电光与控制, 2018, 25(11): 57. DOI: 10.3969/j.issn.1671-637X.2018.11.011.

[10] AHMAD M F, ISA N A M, LIM W H, et al. Differential evolution: A recent review based on state-of-the-art works[J]. Alexandria Engineering Journal, 2022, 61(5): 3831-3872. DOI: 10.1016/j.aej.2021.09.013.

[11] 潘鑫锐, 宫健, 陈赓, 等. 基于改进人工蜂群的盲源分离抗主瓣干扰方法[J]. 火力与指挥控制, 2022, 47(6): 22-27. DOI: 10.3969/j.issn.1002-0640.2022.06.004.

[12] 张淋江, 乔芃喆. 无线传感器网络自适应蚁群定位算法研究[J]. 压电与声光, 2016, 38(1): 178-182. DOI: 10.3969/j.issn.1004-2474.2016.01.040.

[13]WANG W,ZHENGZ.A wave guide slot filtering antenna with an embedded meta material structure[J]. IEEE Antennas Transactions on Propagation,2019,67 (5):2953- 2960. DOI: 10.1109/TAP.2019.2898989

[14]ALFONSOE. New quasi-TEM wave guides using artificial surfaces and their application to antennas and circuits[J].Annals of Agricultural Science,2011,56(2): 73- 76

[15] 孙建邦, 李建兵, 王鼎, 等. 基于实数编码遗传算法的稀布阵列综合[J]. 电讯技术, 2022, 62(9): 1272-1277. DOI: 10.3969/j.issn.1001-893x.2022.09.011.

[16] 李艳生,万勇,张毅,等.基于人工蜂群-自适应遗传算法的仓储机器人路径规划[J].仪器仪表学报,2022, 43(4):282-290. DOI: 10. 19650/j．cnki．cjsi．J2108514

[17] 吴金龙，高楚姗，等.基于遗传模拟退火算法的无线电能传输系统[J].电子测量技术，2024，47（22）：19-24.DOI:10.19651/j.cnki.emt.2416895

[18] 徐晴, 王青洲, 李元岳, 等. 基于GA-BP模型的微带贴片天线设计和优化[J]. 电子测量技术, 2023, 46(21): 55-62. DOI: 10.19651/j.cnki.emt.2312929.

[19]朱敏慧. SAR的海洋动力探测研究及应用浅析[J].雷达学报, 2012, 1(4): 342-352. DOI: 10.3724/SP.J.1300.2012.20088

[20] 范开国,黄韦艮,甘锡林,等. SAR海洋内波表层流反演方法探讨[J].遥感学报, 2010, 14(1): 122-130.

基于动态遗传算法的稀疏阵列优化方法研究

Sparse Array Optimization Method using a Dynamic Genetic Algorithm

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	邢昊, 张瑞云, 许腾飞, 纪峰. 基于遗传算法优化的BP神经网络对面料悬垂系数的预测及分析[J]. 山东科学, 2025, 38(1): 53-63.
[2]	昝雨尧, 王翔, 王可馨, 沈佳燕. 考虑驾驶人交通环境感知的车辆安全势场及跟驰行为建模[J]. 山东科学, 2024, 37(3): 111-120.
[3]	王艳, 陈群. 城市封闭小区开放决策优化模型[J]. 山东科学, 2023, 36(6): 96-104.
[4]	程思洁, 邵晓明, 李镇, 王江锋. 基于双层规划模型的高速公路差异化收费定价研究[J]. 山东科学, 2023, 36(5): 93-101.
[5]	彭磊, 樊葱, 汪茜, 王晓潮, 柏赟. 地铁线路纵断面优化系统设计与实现[J]. 山东科学, 2022, 35(4): 136-143.
[6]	程仁辉, 贾顺平. 考虑拥堵道路停车惩罚的定制公交调度研究[J]. 山东科学, 2021, 34(1): 53-61.
[7]	赵凯丽, 范贤, 徐小明, 朱冬冬. 列车运行能耗与乘客换乘时间协同优化研究[J]. 山东科学, 2020, 33(5): 73-83.
[8]	刘成强, 徐海港, 张建武, 林连华. 两挡纯电动汽车动力总成悬置系统优化设计[J]. 山东科学, 2020, 33(5): 84-91.
[9]	李建业, 宋瑞. 考虑区域交通信号配时优化的公交专用道线网规划[J]. 山东科学, 2020, 33(4): 63-71.
[10]	邵文, 贾顺平, 曹文娟. 基于混合车型的灵活型接驳公交路径协同优化研究[J]. 山东科学, 2019, 32(4): 64-73.
[11]	陈国华. 基于改进SLP理论的铁路电商物流中心布局研究[J]. 山东科学, 2018, 31(5): 48-57.
[12]	黄恩潭, 谷远利. 基于改进人工蜂群算法优化小波神经网络的短时交通流预测[J]. 山东科学, 2018, 31(2): 79-87.
[13]	陈胜波，刘永平，何世伟，黎浩东. 整车物流双层轿运车车辆装载与路径整合优化研究[J]. 山东科学, 2017, 30(3): 73-81.
[14]	顾海艇. 城市轨道交通列车交路编组一体化编制方法[J]. 山东科学, 2017, 30(2): 85-94.
[15]	唐勇伟，赵景波，王茂励，郝慧娟，吕晓慧. 基于改进遗传算法的自抗扰控制器优化设计[J]. 山东科学, 2016, 29(5): 1-8.