CN111724870A - 一种基于遗传算法的低频多层吸波材料设计方法 - Google Patents
一种基于遗传算法的低频多层吸波材料设计方法 Download PDFInfo
- Publication number
- CN111724870A CN111724870A CN202010558805.3A CN202010558805A CN111724870A CN 111724870 A CN111724870 A CN 111724870A CN 202010558805 A CN202010558805 A CN 202010558805A CN 111724870 A CN111724870 A CN 111724870A
- Authority
- CN
- China
- Prior art keywords
- wave
- genetic algorithm
- population
- absorbing material
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011358 absorbing material Substances 0.000 title claims abstract description 52
- 230000002068 genetic effect Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000035772 mutation Effects 0.000 claims abstract description 7
- 239000000463 material Substances 0.000 claims description 42
- 238000002310 reflectometry Methods 0.000 claims description 10
- 230000035699 permeability Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 229910002056 binary alloy Inorganic materials 0.000 claims description 2
- 210000000349 chromosome Anatomy 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 7
- 239000010410 layer Substances 0.000 description 19
- 239000002356 single layer Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Laminated Bodies (AREA)
Abstract
本发明公开了一种基于遗传算法的低频多层吸波材料设计方法，包括以下步骤：S1.预先选取多种吸波材料供设计所需；S2.基于遗传算法，完成多层吸波材料的设计：S201.种群初始化；S202.确定遗传算法的目标函数；S203.设置进化代数和遗传算子的参数；S204.利用目标函数对初始化种群中的每一个个体进行目标函数值计算；S205.利用谢菲尔德工具箱对S204求得的种群中个体的目标函数值分配适应度；S206.根据设置的遗传算子参数，对种群中的个体进行选择，然后对选择的个体进行交叉和变异两个遗传操作，得到新一代的种群；S207.对新一代种群再次执行步骤S204~S207，直至满足停止条件后，输出种群中的个体作为设计结果。本发明基于遗传算法，实现了低频多层多种吸波材料进行优化设计。
Description
技术领域
本发明涉及吸波材料设计，特别是涉及一种基于遗传算法的低频多层吸波材料设计方法。
背景技术
目前而言，雷达已经向低频段发展，现有的低频雷达工作频段可以从C波段到P波段，相对于发展已经比较成熟的高频吸波材料，低频雷达吸波材料现阶段难以实现较好的低频吸波效果，因此军事目标被低频雷达探测的概率增大。我们生活中常用的电子设备一般工作在1GHz-到4GHz范围内，研究表明该范围内的电磁波会对人体的健康造成一定的影响。因此我们需要在低频段具有良好吸波效果的吸波材料来解决上述问题。
一般吸波材料的设计都是针对单层吸波材料，但是单层吸波材料一般存在吸收强度低，带宽窄，而且在低频段电磁波波长，依据四分之一波长理论设计满足要求单层吸波材料具有很大的厚度。通过设计多层吸波材料可以在厚度不变乃至更薄的情况下设计出低频宽带的吸波材料。但是根据已有的单层吸波材料直接设计出满足要求的低频多层吸波材料往往计算复杂，工作量大。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于遗传算法的低频多层吸波材料设计方法，能够据已有的单层吸波材料的电磁参数快速设计低频吸波性能较好的低频多层吸波材料。
本发明的目的是通过以下技术方案来实现的：一种基于遗传算法的低频多层吸波材料设计方法，包括以下步骤：
S1.预先选取多种吸波材料，供低频多层吸波材料设计所需；
S2.基于遗传算法，完成多层吸波材料的设计：
S201.种群初始化；
S202.确定遗传算法的目标函数；
S203.设置进化代数和遗传算子的参数；
S204.利用目标函数对初始化种群中的每一个个体进行目标函数值计算；
S205.利用谢菲尔德工具箱对S204求得的种群中个体的目标函数值分配适应度；
S206.根据设置的遗传算子参数，对种群中的个体进行选择，然后对选择的个体进行交叉和变异两个遗传操作，得到新一代的种群；
S207.返回步骤S204，对新一代种群执行步骤S204～S207，直至满足遗传算法停止条件后，输出种群中的个体作为设计结果。
其中，所述步骤S201包括
将每一种材料分别用不同的三位二进制编码表示，三位二进制编码最多可以表示8种不同的材料；
在遗传算法中设置染色体长度为M位的二进制编码，其中每三位二进制数就代表一种材料；多层吸波材料的层数N＝M/3，其中M为三的倍数；
随机生成一个200×M初始种群，其为元素只有0和1的矩阵，其中200代表随机生成需要优化的个体总数，通过对每一个个体M位二进制数中每三位分别解码得到对应的十进制数，得到每一层材料所对应的材料种类，并确定其对应的介电常数和磁导率，以便于目标函数的求解；
同时需对每个个体的三位二进制数再次进行解码得到每一种材料对应的厚度，解码公式如下：
其中dmax与dmin分别代表每层材料厚度的最大值与最小值，P为三位二进制对应的十进制数值，di为每一层材料的厚度，由此得到初始种群中每一个个体所对应材料的型号和每一层材料的厚度。
所述步骤S202包括：
采用传输线理论计算多层反射率R：
式中Zin(N)表示N层吸波材料的等效输入阻抗，Zin(N-1)表示N-1层材料的等效输入阻抗，ZN表示第N层材料的波阻抗，dN为第N层材料的厚度，urN为第N层材料的相对磁导率，εrN为第N层材料的相对介电常数，f为频率，c为光速：
在上式计算结果的基础之上引入带宽约束条件如下：
其中，R1为参考反射率，然后在带宽约束条件的基础之上引入多层吸波材料厚度约束条件如下：
优选地，所述遗传算子的参数包括遗传算法中的选择方式、交叉概率和变异概率。所述选择方式为遗传算法中的轮盘赌选择策略，轮盘赌选择策略的出发点是适应度值，适应度值越大的个体被选择的概率越大。所述的遗传算法停止条件为达到设定进化代数。
本发明的有益效果是：本发明利用遗传算法优化设计的思想，利用多种吸波材料进行优化设计。遗传算法是借鉴生物进化过程中选择，交叉，变异而发展而来的优化算法，通过计算父代中每一个个体的适应度，然后将优势个体进行遗传操作，在一代代的进化中搜索得到适符合实际问题的解，进而完成低频多层吸波材料的设计。
附图说明
图1为本发明的方法流程图；
图2为本申请实施例中的优化结果示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种基于遗传算法的低频多层吸波材料设计方法，包括以下步骤：
(1)预先选取多种吸波材料进行低频多层吸波材料的设计；
在本申请的实施例中，一共寻找五种吸波材料，电磁参数如下：
算法将根据所用选用的五种材料进行优化设计，目标函数中带宽约束条件为在1Ghz-4GHz频率范围内-10dB带宽最宽，厚度约束材料为材料的总厚度不超过2.5mm。
(2)进行低频多层吸波材料优化设计，决定多层吸波材料反射损耗的参数有材料的厚度、材料的磁导率、介电常数和工作频率；其中工作频率根据实际需求自主选择然后直接带入目标函数中进行求解，具体地：
种群初始化，建立一个200×12，元素为0和1的随机矩阵，每一行为一个父代个体，每个个体的12位二进制数通过十进制解码可以求出数值为1-8的任意整数，每一个数值就代表一种材料。因为实施案例只包含5种材料我们将解码数值大于等于6的数全部赋值为5即为#5材料，其余解码所得数值保持不变，然后通过下式进行初始种群中个体材料厚度求解。
个体适应度计算，首先根据传输线理论计算每一个个体在1GHz-4GHz的反射率公式如下
然后评价父代中每个个体在1GHz到4GHz反射率低于-10dB带宽的大小，约束条件如下：
在带宽约束条件的基础之上增加厚度要求条件，要求厚度不超过2.5mm的个体有更大的概率被选择进行接下来的进化过程，约束条件如下
最后，基于种群中个体的目标函数值，利用谢菲尔德工具箱中的适应度函数对每个个体进行适应度分配，尽可能的保证适应度大的个体进化，而适应度小的父代个体被淘汰。
(3)遗传操作，按照上述步骤计算的适应度值对父代个体进行选择，选择方式为轮盘赌的形式即根据父代个体的适应度大小进行选择。然后对父代个体进行交叉，变异两个遗传操作，交叉和变异概率分别为0.7和0.02。
(4)优化结果分析，最终得到在1GHz到4GHz频率范围内满足上述约束条件的多层吸波材料。多层吸波材料为两层结构，上层为#3材料，下层为#4号材料。#3材料厚度为0.8mm，#4号材料厚度为1.4mm，总厚度为2.2mm。
反射率曲线如图2所示,在2GHz-3.8GHz范围内反射率低于-10dB,1.5GHz-4GHz范围内反射率低于-5dB，反射率最低值接近-18dB。因此优化得到的4GHz以下的频率范围内具有较好的吸波性能。
以上所述是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应该看作是对其他实施例的排除，而可用于其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种基于遗传算法的低频多层吸波材料设计方法，其特征在于：包括以下步骤：
S1.预先选取多种吸波材料，供低频多层吸波材料设计所需；
S2.基于遗传算法，完成多层吸波材料的设计：
S201.种群初始化；
S202.确定遗传算法的目标函数；
S203.设置进化代数和遗传算子的参数；
S204.利用目标函数对初始化种群中的每一个个体进行目标函数值计算；
S205.利用谢菲尔德工具箱对S204求得的种群中个体的目标函数值分配适应度；
S206.根据设置的遗传算子参数，对种群中的个体进行选择，然后对选择的个体进行交叉和变异两个遗传操作，得到新一代的种群；
S207.返回步骤S204，对新一代种群执行步骤S204～S207，直至满足遗传算法停止条件后，输出种群中的个体作为设计结果。
2.根据权利要求1所述的一种基于遗传算法的低频多层吸波材料设计方法，其特征在于：所述步骤S201包括
将每一种材料分别用不同的三位二进制编码表示，三位二进制编码最多可以表示8种不同的材料；
在遗传算法中设置染色体长度为M位的二进制编码，其中每三位二进制数就代表一种材料；多层吸波材料的层数N＝M/3，其中M为三的倍数；
随机生成一个200×M初始种群，其为元素只有0和1的矩阵，其中200代表随机生成需要优化的个体总数，通过对每一个个体M位二进制数中每三位分别解码得到对应的十进制数，得到每一层材料所对应的材料种类，并确定其对应的介电常数和磁导率，以便于目标函数的求解；
同时需对每个个体的三位二进制数再次进行解码得到每一种材料对应的厚度，解码公式如下：
其中dmax与dmin分别代表每层材料厚度的最大值与最小值，P为三位二进制对应的十进制数值，di为每一层材料的厚度，由此得到初始种群中每一个个体所对应材料的型号和每一层材料的厚度。
3.根据权利要求1所述的一种基于遗传算法的低频多层吸波材料设计方法，其特征在于：所述步骤S202包括：
采用传输线理论计算多层反射率R：
式中Zin(N)表示N层吸波材料的等效输入阻抗，Zin(N-1)表示N-1层材料的等效输入阻抗，ZN表示第N层材料的波阻抗，dN为第N层材料的厚度，urN为第N层材料的相对磁导率，εrN为第N层材料的相对介电常数，f为频率，c为光速：
在上式计算结果的基础之上引入带宽约束条件如下：
其中，R1为参考反射率，然后在带宽约束条件的基础之上引入多层吸波材料厚度约束条件如下：
4.根据权利要求1所述的一种基于遗传算法的低频多层吸波材料设计方法，其特征在于：所述遗传算子的参数包括遗传算法中的选择方式、交叉概率和变异概率。
5.根据权利要求4所述的一种基于遗传算法的低频多层吸波材料设计方法，其特征在于：所述选择方式为遗传算法中的轮盘赌选择策略，轮盘赌选择策略的出发点是适应度值，适应度值越大的个体被选择的概率越大。
6.根据权利要求1所述的一种基于遗传算法的低频多层吸波材料设计方法，其特征在于：所述的遗传算法停止条件为达到设定进化代数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010558805.3A CN111724870A (zh) | 2020-06-18 | 2020-06-18 | 一种基于遗传算法的低频多层吸波材料设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010558805.3A CN111724870A (zh) | 2020-06-18 | 2020-06-18 | 一种基于遗传算法的低频多层吸波材料设计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111724870A true CN111724870A (zh) | 2020-09-29 |
Family
ID=72567400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010558805.3A Pending CN111724870A (zh) | 2020-06-18 | 2020-06-18 | 一种基于遗传算法的低频多层吸波材料设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111724870A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883583A (zh) * | 2021-03-10 | 2021-06-01 | 哈尔滨工业大学 | 一种多层吸波涂层的设计方法 |
| CN113593659A (zh) * | 2021-06-18 | 2021-11-02 | 上海工程技术大学 | 一种基于遗传学算法的逆推开孔发泡材料参数的方法 |
| CN113688566A (zh) * | 2021-08-09 | 2021-11-23 | 电子科技大学 | 一种宽带多层电磁波吸收材料的设计方法 |
| CN117198444A (zh) * | 2023-11-08 | 2023-12-08 | 中国科学院工程热物理研究所 | 一种基于进化算法的宽频吸波夹层结构的优化及制备方法 |
| CN117219209A (zh) * | 2023-09-28 | 2023-12-12 | 华中科技大学 | 一种宽频吸波层合板的参数设计方法及应用 |
| CN118350293A (zh) * | 2024-06-18 | 2024-07-16 | 北京理工大学 | 超结构的设计方法及装置 |
| CN118350293B (zh) * | 2024-06-18 | 2024-09-06 | 北京理工大学 | 超结构的设计方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102072657A (zh) * | 2010-12-30 | 2011-05-25 | 中南大学 | 一种基于多目标遗传算法的烧结布料过程优化控制方法 |
| CN104573820A (zh) * | 2014-12-31 | 2015-04-29 | 中国地质大学（武汉） | 一种用于带约束条件的工程优化问题的遗传算法 |
| CN104809270A (zh) * | 2015-03-19 | 2015-07-29 | 南京理工大学 | 融合等效电路和遗传算法的方环阵列电磁吸收体设计方法 |
| CN106199952A (zh) * | 2016-07-05 | 2016-12-07 | 中国建筑材料科学研究总院 | 一种减少观察角度变化产生色差的膜系设计及制备方法 |
| CN107958123A (zh) * | 2017-12-06 | 2018-04-24 | 上海无线电设备研究所 | 一种宽频伪装遮障吸波体电磁设计方法 |
| CN108170950A (zh) * | 2017-12-27 | 2018-06-15 | 电子科技大学 | 基于神经网络的多层频率选择表面吸波材料建模优化方法 |
| CN108738290A (zh) * | 2018-04-20 | 2018-11-02 | 西北工业大学 | 一种超材料吸波器及设计方法 |
| CN111125861A (zh) * | 2019-09-10 | 2020-05-08 | 西北工业大学 | 一种高效吸波超薄碳纤维增强复合材料及其设计优化方法 |
-
2020
- 2020-06-18 CN CN202010558805.3A patent/CN111724870A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102072657A (zh) * | 2010-12-30 | 2011-05-25 | 中南大学 | 一种基于多目标遗传算法的烧结布料过程优化控制方法 |
| CN104573820A (zh) * | 2014-12-31 | 2015-04-29 | 中国地质大学（武汉） | 一种用于带约束条件的工程优化问题的遗传算法 |
| CN104809270A (zh) * | 2015-03-19 | 2015-07-29 | 南京理工大学 | 融合等效电路和遗传算法的方环阵列电磁吸收体设计方法 |
| CN106199952A (zh) * | 2016-07-05 | 2016-12-07 | 中国建筑材料科学研究总院 | 一种减少观察角度变化产生色差的膜系设计及制备方法 |
| CN107958123A (zh) * | 2017-12-06 | 2018-04-24 | 上海无线电设备研究所 | 一种宽频伪装遮障吸波体电磁设计方法 |
| CN108170950A (zh) * | 2017-12-27 | 2018-06-15 | 电子科技大学 | 基于神经网络的多层频率选择表面吸波材料建模优化方法 |
| CN108738290A (zh) * | 2018-04-20 | 2018-11-02 | 西北工业大学 | 一种超材料吸波器及设计方法 |
| CN111125861A (zh) * | 2019-09-10 | 2020-05-08 | 西北工业大学 | 一种高效吸波超薄碳纤维增强复合材料及其设计优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周志安: "多层纳米吸波材料的遗传优化设计及数值计算", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883583A (zh) * | 2021-03-10 | 2021-06-01 | 哈尔滨工业大学 | 一种多层吸波涂层的设计方法 |
| CN112883583B (zh) * | 2021-03-10 | 2023-05-30 | 哈尔滨工业大学 | 一种多层吸波涂层的设计方法 |
| CN113593659A (zh) * | 2021-06-18 | 2021-11-02 | 上海工程技术大学 | 一种基于遗传学算法的逆推开孔发泡材料参数的方法 |
| CN113593659B (zh) * | 2021-06-18 | 2023-08-08 | 上海工程技术大学 | 一种基于遗传学算法的逆推开孔发泡材料参数的方法 |
| CN113688566A (zh) * | 2021-08-09 | 2021-11-23 | 电子科技大学 | 一种宽带多层电磁波吸收材料的设计方法 |
| CN117219209A (zh) * | 2023-09-28 | 2023-12-12 | 华中科技大学 | 一种宽频吸波层合板的参数设计方法及应用 |
| CN117219209B (zh) * | 2023-09-28 | 2024-05-28 | 华中科技大学 | 一种宽频吸波层合板的参数设计方法及应用 |
| CN117198444A (zh) * | 2023-11-08 | 2023-12-08 | 中国科学院工程热物理研究所 | 一种基于进化算法的宽频吸波夹层结构的优化及制备方法 |
| CN117198444B (zh) * | 2023-11-08 | 2024-01-12 | 中国科学院工程热物理研究所 | 一种基于进化算法的宽频吸波夹层结构的优化及制备方法 |
| CN118350293A (zh) * | 2024-06-18 | 2024-07-16 | 北京理工大学 | 超结构的设计方法及装置 |
| CN118350293B (zh) * | 2024-06-18 | 2024-09-06 | 北京理工大学 | 超结构的设计方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111724870A (zh) | 一种基于遗传算法的低频多层吸波材料设计方法 | |
| CN108170950B (zh) | 基于神经网络的多层频率选择表面吸波材料建模优化方法 | |
| CN109271695B (zh) | 基于神经网络的多目标天线设计方法 | |
| CN111105035A (zh) | 基于稀疏学习与遗传算法相结合的神经网络剪枝方法 | |
| Rayno et al. | Hybrid genetic programming with accelerating genetic algorithm optimizer for 3-D metamaterial design | |
| CN108964671A (zh) | 一种译码方法及译码器 | |
| de Sena et al. | Harmonic suppression using optimised hexagonal defected ground structure by genetic algorithm | |
| CN111665474A (zh) | 一种可变分段lfm波形生成及优化方法 | |
| CN116502691A (zh) | 一种应用于fpga的深度卷积神经网络混合精度量化方法 | |
| CN111967184B (zh) | 一种基于序列模型的多目标天线设计方法 | |
| CN106503359A (zh) | 一种基于nsga‑ⅱ的微波窗快速优化设计方法 | |
| Guney et al. | Input resistance calculation for circular microstrip antennas using adaptive neuro-fuzzy inference system | |
| CN112736486A (zh) | 宽带rcs缩减漫反射结构及其设计方法 | |
| Wang et al. | An improved algorithm for matrix bandwidth and profile reduction in finite element analysis | |
| CN109117545B (zh) | 基于神经网络的天线快速设计方法 | |
| CN107946755B (zh) | 一种现场可编程漏波天线及其设计方法 | |
| Liu et al. | Application of Chaos Mind Evolutionary Algorithm in Antenna Arrays Synthesis. | |
| CN115641924A (zh) | 一种基于神经网络快速预测吸波蜂窝材料s参数的方法 | |
| Jasmi et al. | Optimized coating design of energy saving glass using binary harmony search for better transmission signal | |
| CN112883583B (zh) | 一种多层吸波涂层的设计方法 | |
| CN115719027A (zh) | 天线设计的实现方法及相关设备 | |
| Satman et al. | Machine coded compact genetic algorithms for real parameter optimization problems | |
| Johar et al. | Application of Genetic Algorithm to the Design Optimization of Complex Energy Saving Glass Coating Structure | |
| Wu et al. | AI Deep Learning Optimization for Compact Dual-Polarized High-Isolation Antenna Using Backpropagation Algorithm | |
| CN112270158B (zh) | 一种基于深度强化学习的封装地过孔打孔分布优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: No.288, west section of Wenming street, new economic Industrial Park, south area of Chengdu modern industrial port, Pidu District, Chengdu, Sichuan 610000 Applicant after: Chengdu Jiachi Electronic Technology Co.,Ltd. Address before: No.288, west section of Wenming street, new economic Industrial Park, south area of Chengdu modern industrial port, Pidu District, Chengdu, Sichuan 610000 Applicant before: CHENGDU JIACHI ELECTRONIC TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200929 |