CN102880760A - 基于多目标粒子群及拓扑扩张的微波电路设计方法 - Google Patents

Abstract

本发明公开了一种基于多目标粒子群算法及拓扑扩张的微波电路设计方法，包括以下步骤：1）确定设计参数，初始化拓扑结构、搜索历史，确定拓扑扩张迭代终止条件；2）对于确定的拓扑结构，初始化多目标粒子群；3）更新粒子位置、Pareto解集，反复迭代直到达到迭代次数；4）取出符合设计条件的Pareto解集中的解保存，判断是否要停止拓扑扩张迭代；5）如果未满足终止条件，进行随机扩张运算，得出历史中未搜索过的结构，设定为新生成的结构然后返回步骤2）；6）如果满足迭代终止条件，则输出结果。本发明解决现有方法在无参照模型时等效微波电路所存在问题及唯一性的问题。

Description

基于多目标粒子群及拓扑扩张的微波电路设计方法

技术领域

本发明涉及一种微波电路的设计方法，尤其涉及一种基于多目标粒子群算法及拓扑扩张的微波电路设计方法。

背景技术

目前，国内外对于微波电路的设计，一般采用的方法是先参照固定的电路模型，计算电路级数和电路参数，设计出器件的等效微波电路，然后使用微带线或者传输线等模型对应计算出的等效微波电路，得出所设计的微波器件。这种设计方法在计算等效微波电路时，主要存在两个问题：一是对于复杂的S参数，计算等效微波电路时很难找到相应的参照模型，因而不能计算出符合要求的电路结构和参数；二是采用现有设计方法，计算出的等效微波电路结构和参数是单一的，这种单一的结构，可能不利于后续实际制造加工。

粒子群算法是一种进化智能算法，1995年由Eberhart博士和Kennedy博士提出，这是一种模拟鸟类捕食的计算方法。多目标粒子群算法，是运用粒子群算法搜索解空间的Pareto最优解集。而拓扑扩张演化，近年来主要用于神经网络拓扑结构的研究。将多目标粒子群算法及拓扑扩张演化相结合，用于微波电路的人工智能设计，从而解决现有微波器件设计存在的问题具有十分重要的意义。

发明内容

本发明的目的在于提供一种基于多目标粒子群算法及拓扑扩张的微波电路设计方法，不仅解决现有设计方法在无参照模型时设计等效微波电路所存在问题，而且解决现有方法设计等效微波电路出现唯一性的问题。

本发明的目的通过以下技术方案予以实现：

一种基于多目标粒子群算法及拓扑扩张的微波电路设计方法，该方法包括以下步骤：

（1）确定设计参数，初始化拓扑结构，初始化搜索历史，确定拓扑扩张迭代终止条件；其中，确定设计参数是确定设计目标的S参数，确定多组评判解的目标函数；初始化拓扑结构是确定某种开始搜索的拓扑结构；初始化搜索历史是将搜索历史置空；拓扑扩张迭代终止条件为迭代次数达到一定值或有效解的个数达到一定值终止。

（2）对于确定的拓扑结构，初始化多目标粒子群；其中，初始化粒子群包括确定粒子群大小NP、多目标粒子群迭代次数NG、由拓扑结构所确定的解空间维数D、最大保留的Pareto解集的数量NR、目标函数空间每维分割个数ND；

（3）根据多目标粒子群算法更新规则，更新粒子位置，更新Pareto解集，反复更新迭代，直到迭代次数达到NG，输出求解的Pareto解集；

（4）取出符合设计条件的Pareto解集中的解保存，将本次多目标粒子群运算的拓扑结构记录在搜索历史中，判断是否要停止拓扑扩张迭代；

（5）如果未满足拓扑扩张迭代终止条件，则根据节点数多的结构被选中的概率更大的原则，随机选取搜索历史中的拓扑结构，进行随机扩张运算，得出历史中未搜索过的结构，设定为新生成的结构作为步骤（2）下次搜索的拓扑结构，然后返回步骤（2）；

（6）如果满足拓扑扩张迭代终止条件，则输出结果。

本发明的目的还可以通过以下技术措施来进一步实现：

前述基于多目标粒子群算法及拓扑扩张的微波电路设计方法，

所述更新粒子群方法如下，粒子群的运动方程为

v(t)=ω·v(t-1)+c₁·(lbest-x(t))+c₂·(REP-x(t))

x(t+1)=x(t)+v(t)

其中，ω为常数或为随迭代次数变化的变量，c₁，c₂为常数，lbest为每个粒子搜索过的最优解，REP的选取是将所求的Pareto解集空间分割为ND^D个超立方，统计每个立方中解的个数，除去不分布解的超立方，依照轮盘选择方法，选择解的个数较少的超立方，再随机在其中选择一个解；

所述更新Pareto解集方法如下，对于每个新的解，遍历Pareto解集，若新的解支配Pareto解集中的解，则将Pareto解集中的解替换为新的解，遍历完成后，除去Pareto解集中重复的解；若Pareto解集中的某个解支配新的解，则舍弃新解；若遍历完成后，新解既不支配Pareto解集中的解也不被Pareto解集中的解支配，则将Pareto解集分割为ND^D个超立方，统计每个立方中解的个数，除去不分布解的超立方，依照轮盘选择方法，选出解个数较多的超立方，将新解随机替换选中的超立方中的一个解；

所述拓扑扩张运算有两种方式，即增加连接数或增加连接节点数，增加连接数时，随机选择两个不相连的节点进行连接；增加连接节点数时，随机选中一条已经连接的路，删除此路，增加新的节点，并将新的节点与选中删除的路的两端节点相连。

与现有技术相比，本发明的有益效果是：本发明与原有的设计方法相比，在设计较为复杂的等效电路时，不需寻找电路模型，可以直接计算等效电路结构及参数。同时，对于同一电路设计指标，本发明可以设计出多种不同结构不同参数的微波电路，以便后续对应为传输线或微带线模型。

附图说明

图1是本发明微波电路设计方法流程图；

图2是本发明多目标粒子群算法流程图；

图3是本发明的拓扑扩张运算示意图；

图4是实施例一的等效电路S参数以及结构；

图5是实施例二的等效电路S参数以及结构；

图6是实施例三的等效电路S参数以及结构；

图7是实施例四的等效电路S参数以及结构。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

如图1所示，为本发明基于多目标粒子群算法及拓扑扩张的微波电路设计方法流程图。具体步骤为：

（1）确定设计参数，初始化拓扑结构，初始化搜索历史，确定拓扑扩张迭代终止条件。

确定设计的参数，即确定所设计的微波电路所要达到的要求，一般指定S参数在某一个或几个频点上所满足的条件区别于其它频率。对于解的评判标准，采用多个函数的形式，一般对于所关注的几个频点，每个频点单独使用一个函数进行评判。初始拓扑结构的选择没有特定的要求，这里选择两点一连接的简单结构开始搜索。对于拓扑扩张迭代终止条件的选择，一般为迭代次数达到某一值或者有效解的个数达到某值终止。

（2）初始化多目标粒子群算法。

如图2所示是本发明多目标粒子群算法流程图。这里需要确定几个多目标粒子群算法的参数，粒子群大小NP和多目标粒子群迭代次数NG的选择与问题维数D有关，例如在本发明具体实施例中设定NP=20·D，NG=30·D，搜索过程中最大保留的Pareto解集数NR取200。目标函数空间每维分割个数ND取40。

（3）根据多目标粒子群的更新规则，更新粒子位置，更新Pareto解集，反复迭代，直到达到最大迭代次数NG。

粒子群的更新规则为：

v(t)=ω·v(t-1)+c₁·(lbest-x(t))+c₂·(REP-x(t))

x(t+1)=x(t)+v(t)

ω为0.4，c₁，c₂取值为2。lbest为每个粒子搜索过的最优解，REP的选取是将所求的Pareto解集空间分割为ND^D个超立方，统计每个立方中解的个数，除去无解分布的超立方，依照轮盘选择方法，选择解个数较少的超立方，再随机在其中选择一个解。

Pareto解集的更新规则为：

所述更新Pareto解集方法如下，对于每个新的解，遍历Pareto解集，若新的解支配Pareto解集中的解，则将Pareto解集中的解替换为新的解，遍历完成后，除去Pareto解集中重复的解；若Pareto解集中的某个解支配新的解，则舍弃新解；若遍历完成后，新解既不支配Pareto解集中的解也不被Pareto解集中的解支配，则将Pareto解集分割为ND^D个超立方，统计每个立方中解的个数，除去不分布解的超立方，依照轮盘选择方法，选出解个数较多的超立方，将新解随机替换选中的超立方中的一个解；

当多目标粒子群迭代满足终止条件后，输出其中保留的Pareto解集。

（4）将输出的Pareto解集中满足设计条件的解保留，将此次搜索的拓扑结构记录在搜索历史中。判断是否要停止拓扑扩张迭代，若满足停止迭代的条件，则输出保存的符合设计条件的解，若不满足，则继续。

（5）根据节点数多的结构被选中的概率更大的原则，随机选取搜索历史中的拓扑结构，进行随机的扩张运算，得出历史中未搜索过的结构，设定新生成的结构作为下次搜索的拓扑结构。对于拓扑扩张运算，可分为增加连接数或增加连接节点数两种方法。增加连接数时，随机选择两个不相连的节点进行连接；增加连接节点时，随机选中一条已经连接的路，删除此路，增加新的节点，并将新的节点与选中删除的路的两端节点相连。如图3所示是本发明中的拓扑扩张运算的示意图。

下面给出四个具体实施例，即设计四组滤波器的等效微波电路证明本方法的有效性。

实施例中选取等效微波电路元件为电阻R，电感L，电容C，I、II号连接属于端口，阻抗Z₀为固定50Ω，并且1号节点为接地点。

实施例一设计2.4GHz单阻带滤波器微波电路；

这里采取的目标函数为

f₁(x)=|S_212.4GHz|

多目标算法求出使f₁，f₂最大时的Pareto解集。

采用上述方法在Intel(R)Xeon(TM)3.00GHz，2GB的内存的计算机上进行程序运行，在运行约30分钟后，一共求解出186组结果，选取其中较好的3组解显示在图4中，图4中左侧一列为S参数图，右侧一列为对应的结构和参数。

实施例二设计2.4GHz的单通带滤波器微波电路；

这里采取的目标函数为

f₁(x)=|S_112.4GHz|

多目标算法求出使f₁，f₂最大时的Pareto解集。

采用上述方法在Intel(R)Xeon(TM)3.00GHz，2GB的内存的计算机上进行运行，在运行约1小时后，一共求解出51组结果，选取其中较好的3组解在图5中，其中左侧一列为S参数图，右侧一列为对应的结构和参数。

实施例三设计2.4GHz、5.2GHz的双阻带滤波器微波电路结构；

f₁(x)=|S_212.4GHz|

f₂(x)=|S_215.2GHz|

多目标算法求出使f₁，f₂，f₃最大时的Pareto解集。

采用上述方法在Intel(R)Xeon(TM)3.00GHz，2GB的内存的计算机上进行运行，在运行约12小时后，一共求解出3组结果，显示在图6中，其中左侧一列为S参数图，右侧一列为对应的结构和参数。

实施例四设计2.4GHz、5.2GHz的双通带滤波器微波电路结构；

f₁(x)=|S_112.4GHz|

f₂(x)=|S_115.2GHz|

多目标算法求出使f₁，f₂，f₃最大时的Pareto解集。

采用上述方法在Intel(R)Xeon(TM)3.00GHz，2GB的内存的计算机上进行运行，在运行约12小时后，一共求解出13组结果，选取其中较好的3组解显示在图7中，其中左侧一列为S参数图，右侧一列为对应的结构和参数。

本发明多目标算法保证了可以设计出多种符合要求的微波电路。拓扑扩张运算方式，保证设计出的微波电路的简单性和有效性。

除上述实施例外，本发明还可以有其他实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围内。

Claims (2)

1.一种基于多目标粒子群算法及拓扑扩张的微波电路设计方法，其特征在于，该方法包括以下步骤：

1）确定设计参数，初始化拓扑结构，初始化搜索历史，确定拓扑扩张迭代终止条件；其中，确定设计参数是确定设计目标的S参数，确定多组评判解的目标函数；初始化拓扑结构是确定某种开始搜索的拓扑结构；初始化搜索历史是将搜索历史置空；拓扑扩张迭代终止条件为迭代次数达到一定值或有效解的个数达到一定值终止；

2）对于确定的拓扑结构，初始化多目标粒子群；其中，初始化粒子群包括确定粒子群大小NP、多目标粒子群迭代次数NG、由拓扑结构所确定的解空间维数D、最大保留的Pareto解集的数量NR、目标函数空间每维分割个数ND；

3）根据多目标粒子群算法更新规则，更新粒子位置，更新Pareto解集，反复更新迭代，直到迭代次数达到NG，输出求解的Pareto解集；

4）取出符合设计条件的Pareto解集中的解保存，将本次多目标粒子群运算的拓扑结构记录在搜索历史中，判断是否要停止拓扑扩张迭代；

5）如果未满足拓扑扩张迭代终止条件，则根据节点数多的结构被选中的概率更大的原则，随机选取搜索历史中的拓扑结构，进行随机扩张运算，得出历史中未搜索过的结构，设定为新生成的结构作为步骤2）下次搜索的拓扑结构，然后返回步骤2）；

6）如果满足拓扑扩张迭代终止条件，则输出结果。

2.如权利要求1所述的基于多目标粒子群算法及拓扑扩张的微波电路设计方法，其特征在于，所述更新粒子群方法如下，粒子群的运动方程为

v(t)=ω·v(t-1)+c₁·(lbest-x(t))+c₂·(REP-x(t))

x(t+1)=x(t)+v(t)

其中，ω为常数或为随迭代次数变化的变量，c₁，c₂为常数，lbest为每个粒子搜索过的最优解，REP的选取是将所求的Pareto解集空间分割为ND^D个超立方，统计每个立方中解的个数，除去不分布解的超立方，依照轮盘选择方法，选择解的个数较少的超立方，再随机在其中选择一个解；

所述更新Pareto解集方法如下，对于每个新的解，遍历Pareto解集，若新的解支配Pareto解集中的解，则将Pareto解集中的解替换为新的解，遍历完成后，除去Pareto解集中重复的解；若Pareto解集中的某个解支配新的解，则舍弃新解；若遍历完成后，新解既不支配Pareto解集中的解也不被Pareto解集中的解支配，则将Pareto解集分割为ND^D个超立方，统计每个立方中解的个数，除去不分布解的超立方，依照轮盘选择方法，选出解个数较多的超立方，将新解随机替换选中的超立方中的一个解；

所述拓扑扩张运算有两种方式，即增加连接数或增加连接节点数，增加连接数时，随机选择两个不相连的节点进行连接；增加连接节点数时，随机选中一条已经连接的路，删除此路，增加新的节点，并将新的节点与选中删除的路的两端节点相连。

Images