改进遗传算法在线阵波束方向图中的应用
基于改进遗传算法的圆柱共形天线阵方向图综合
Ｖ０． ３ Ｎｏ． ｌ １ ５， １
ＮＯ ２ １ Ｖ， ０ ０
火 力 与 指 挥 控 制
Ｆ ｒ ｏ ｔｏ ＆ Ｃ ｍｍａ ｄ Ｃ ｎ ｒ ｌ ｉｅＣ ｎ ｒ ｌ ｏ ｎ ｏ ｔｏ
第 ３ ５卷 第 １ 期 １ ２１ ０ ０年 ｌ １月
文 章 编 号 ： Ｏ ２Ｏ ４ （ Ｏ Ｏ Ｉ － ０ ３ ０ １ Ｏ 一 ６ Ｏ ２ １ ） Ｉ０ ２ － ３
ｏ ｔ ｅｆ ｒ ｓｔ ｅＳ ｕ ｐ ｒｏ ｍ ｈ ＧＡ ｔ ｉ ｈ ｒｅｆ ｉｎ ｙａ ｄ ａ ｔｉｇ ｎ ｙ ｗｉｈｈ ｇ ｅ ｆｉ ｅ ｃ ｎ ｓ ｒｎ ｅ ｃ ． ｃ
遗传算法的改进及其在波阻抗反演中的应用
遗传算法的改进及其在波阻抗反演中得应用1引言在我国，今后几十年内甚至百年油气资源将仍然是难以替代的主要能源之一。
随着大规模油气勘探及开发的进行，构造类型相对简单的、较易发现的油气藏几近殆尽，特别是东部地区。
实现油气增加储量、提高产量的主要希望落在寻找新的复杂油气藏这一主要方向上，岩性油气藏是复杂油气藏的一种主要类型。
目前，勘探的重点主要放在岩性油气藏的研究上。
其中，地震勘探是寻找和判别岩性油气藏的重要手段，地震资料的处理又是地震勘探的重要环节。
对于精细油气勘探来说，地震波阻抗反演已经成为地震资料进行特殊处理流程中的重要环节之一，波阻抗能够较好地提供层速度的信息，因而反演成果在油藏描述及油气横向预测等研究工作中所起的作用也越来越重要。
波阻抗反演的结果越接近实际情况，能较更真实地反映出地下地质构造和岩性，从而提高钻井的成功率。
目前大多数老油田基本进入了精细勘探阶段，现在把勘探重点放在寻找和发现薄的交互储集层，而常规的地震处理方法难以满足勘探的需要。
波阻抗这一物性参数能够比较准确精细地反映地下的地质和岩性情况。
所以若能找到一种比较好的波阻抗反演方法，那么对我们的石油勘探将具有重要意义。
2国内外发展现状2.1波阻抗反演的发展现状当前地震反演大致分成两类：一类是建立在波动理论基础上的反演，其中有（1）GEL 队ND一LEVTAN法，它的特点是只适合远场演;（2）LIPPMANN一SCHW工NGE法，它要求解一个奇异积分方程，在数学上尚有一定的困难;（3）广义脉冲谱法，它要求地下某一面积上的波场值，当前地震勘探无法提供这样的信息;（4）特征线法直接反演波阻抗，该方法对有噪音的情况，积累误差传播惊人，计算结果往往发散;（5）分布式参数法和自伴函数反演波阻抗，这类方法计算时间太长，而且子波不准会使反演失真;（6）WKBJ法，它是声波方程的光学近似，对长波长的情况不能适用。
上述方法截断效应和传递误差几乎无法克服。
改进的粒子群优化算法用于方向图阵列综合
改进的粒子群优化算法用于方向图阵列综合【摘要】为了克服粒子群优化算法早熟收敛，本文提出了一种改进的小波变异粒子群优化算法，由于该算法每次迭代时以一定的概率选中粒子进行小波变异扰动，能够克服算法后期易发生早熟收敛和陷入局部最优的缺点。
同时将改进的算法应用于天线阵列方向图综合问题中，综合效果好于现有文献。
【关键词】天线阵列；粒子群优化算法；小波变异；方向图综合最近几年，阵列天线广泛应用与雷达、无线通信和电子对抗等领域，方向图综合作为阵列天线的关键技术，在抗干扰、截获率和参数估计等方面有着重要的作用。
阵列天线方向图综合就是根据波束形状来或性能指标求解阵列天线激烈幅值、相位、单元间距的过程。
由于天线优化问题中的目标函数或约束条件呈多参数、非线性、不可微甚至不连续，因而基于梯度寻优技术的传统数值优化方法无法有效地求得工程上满意的结果。
虽然有很多的经典的优化方法如契比雪夫，泰勒，伍德福德等可以借用，但是这类方法都是针对某一类特定问题提出的，并且对于一些有约束条件的综合，经典方法很难实施。
而智能优化算法[1-5]能很好地解决此类问题，如文献[1-2]将遗传算法应用于阵列天线方向图综合，取得了不错的结果，但是由于遗传算法求取全局最优解对目标搜索的单一性和排他性，就可能陷入局部最优。
而文献[4-5]将粒子群优化算法应用于阵列天线方向图综合，也取得了不错的结果。
本文提出的算法是在小波变异粒子群优化算法的基础上，对其进行改进得到的，同时将改进的小波变异粒子群优化算法应用于阵列天线方向图综合中。
粒子群优化算法（Particle Swarm Optimiz-ation，PSO）是由James Kennedy 和Russell Eberhart在1995年提出的一种基于种群搜索的智能优化算法，它源于对鸟群群体性行为的模拟[6]。
PSO算法由于其算法的简单，易于实现，无需梯度信息，参数少等特点在连续优化问题和离散优化问题中都表现出良好的效果。
遗传算法在传感器阵列多波束图设计中的应用
实 现 对 任 意 形 状 阵 列 的 多波 束 优 化设 计 ， 取 期 望特 性 的 波 束 图 或 最 佳 可 得 的波 束 函 数 。结 合 运 用 水 池 实 验 测 量 获 的 １ 元 十 字 阵 的 数 据 ， 出 了方 法 基 本 步 骤 与 多 波 束 设 计 结 果 。设 计 波 束 满 足 了 应 用 需 要 ， 明 了 方 法 的应 用 可 ６ 给 说 行 性 和有 效 性 ， 具 有 很 强 的 宽 容 性 。提 出 的算 法 对 于 实 际 多 传 感 器 系 统 的 多 波 束 设 计 具 有 重 要 意 义 。 且 关 键 词 ： 束 形 成 ； 传 算 法 ； 应 度 函数 波 遗 适
广 广
（） ５
式 中 Ｗ 为 单 个水 听器 通 道 的权 值 ； ＝ ［ ｗ（ ） 叫 ， 叫 ， ， ］ 为 主 波 束 指 向为 时 阵 列 的加 权 向 … Ｗ 量 ； 为 基 阵 接 收 信 号 向 量 ， （ ） ［ （ ） ｘ（） Ｘ ｔ 一 ｔ， ｚ （） … ， Ｎ ￡］ 可 进 一 步 表 示 为 Ｘ（） ’ ２ ￡ ， ｚ （ ） ， ｔ ：＇ ） （ ｓｆ ， ｔ （） ｓ（ ）为 接 收 的 平 面 波 信 号 ，ｖ（ ）一
２２ ６
压
电
与
声
光
内 。从 方 向入射 的信号 在 ｔ时刻 、 ｉ 第 个水 听器上
的输 出为 （） 在 窄带 近 似条 件 下 ， ， 对所 有 水 听 器
式中
域。
Ｄ（ ） Ｏ ， 为期 望 主瓣 形状 ；ｏ ，Ｏ］ 主瓣 区 ＥＬ Ｒ 为 对于 波束 函数 Ｐ（ ，臼 的设 计 ， 建 立 目标 函 Ｗ ） 可
实 际 应 用 中严 重 畸 变 ， 而 不 能 有 效 地 抑 制 旁 瓣 干 扰 ， 重 影 响 系 统 性 能 。针 对 常 规 的 波 束 设 计 方 法 应 用 到 实 际 从 严
改进遗传算法在线阵波束方向图中的应用
改进遗传算法在线阵波束方向图中的应用【摘要】通过对传统遗传算法应用在线阵波束方向图中进行分析，从编码方式、变异策略以及选择机制上提出了新的改进策略。
改进后的算法减少了编码长度，增加了变异灵活性，更好的保持了种群中个体的多样性，加快了搜索和运算速度和收敛性能。
对线阵波束方向图的零陷点生成和旁瓣抑制进行仿真，仿真结果表明改进算法与传统算法相比能明显减少遗传代数，能够更快地找到满意解。
【关键词】智能天线；波束形成；遗传算法The application about improved genetic algorithm in arraybeam patternWU Lin-jun（Department of Information &Electric Engineering，Hunan Institute of Technology，Hengyang 421002)Abstract：Through analyze the traditional genetic algorithm applied on arraybeam pattern.The algorithm was improved in coding way，mutation strategy and choice mechanism.New algorithm reduced the coding length，increased variability of flexibility，better maintained the diversity of individuals，accelerated the search and the calculation speed and convergence performance.The simulation carried on line array beam pattern null point generating and suppression for sidelobe.The result showed that the improved algorithm is compared with the traditional ones，converges more quickly，find a satisfactory solution faster.Key words：smart antenna ；beam forming；genetic algorithm1.引言上世纪八十年代以来，移动通信技术在全球范围内得到迅速发展。
遗传算法的一些改进及其应用
遗传算法的一些改进及其应用一、本文概述遗传算法（Genetic Algorithm, GA）是一种模拟自然选择和遗传学机制的优化搜索算法，它通过模拟生物进化过程中的遗传、突变、交叉和选择等机制，寻找问题的最优解。
自其概念在20世纪70年代初被提出以来，遗传算法已经在多个领域得到了广泛的应用，包括机器学习、函数优化、组合优化、图像处理等。
然而，随着问题复杂度的增加和应用领域的拓宽，传统的遗传算法在求解效率和全局搜索能力上暴露出一些问题，因此对其进行改进成为了研究热点。
本文首先介绍了遗传算法的基本原理和流程，然后综述了近年来遗传算法的一些主要改进方法，包括改进编码方式、优化选择策略、设计新的交叉和变异算子、引入并行计算等。
接着，文章通过多个实际应用案例，展示了改进后遗传算法在求解实际问题中的优越性和潜力。
本文总结了当前遗传算法改进研究的主要成果，展望了未来的研究方向和应用前景。
通过本文的阐述，读者可以对遗传算法的基本原理和改进方法有全面的了解，同时也可以通过实际应用案例深入理解改进后遗传算法的优势和适用场景，为相关领域的研究和应用提供参考和借鉴。
二、遗传算法的基本原理遗传算法（Genetic Algorithm，GA）是一种基于自然选择和遗传学原理的优化搜索算法。
它模拟了自然选择、交叉（杂交）和突变等生物进化过程，通过迭代的方式寻找问题的最优解。
遗传算法的主要组成部分包括编码方式、初始种群生成、适应度函数、选择操作、交叉操作和变异操作。
在遗传算法中，问题的解被表示为“染色体”，通常是一串编码，可以是二进制编码、实数编码或其他形式。
初始种群是由一定数量的随机生成的染色体组成的。
适应度函数用于评估每个染色体的适应度或优劣程度，它通常与问题的目标函数相关。
选择操作根据适应度函数的值选择染色体进入下一代种群，适应度较高的染色体有更大的机会被选中。
交叉操作模拟了生物进化中的杂交过程，通过交换两个父代染色体的部分基因来生成新的子代染色体。
改进的遗传算法在数字信号处理中的应用
改进的遗传算法在数字信号处理中的应用摘要：本文介绍了改进遗传算法IGA并把它应用于最优小波基的选取。
通过将信号用小波级数展开后得到其在某个期望尺度上的近似表示，由此建立一个表达信号与其近似之间误差的代价函数，然后我们利用改进遗传算法最优化此代价函数以获得全局最优的正交小波基。
1遗传算法与小波1.1 遗传算法遗传算法（Genetic Algorithms）是基于生物进化理论的原理发展起来的一种广为应用的、高效的随机搜索与优化的方法。
其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。
它是在70年代初期由美国密执根（Michigan）大学的霍兰（Holland）教授发展起来的。
1975年霍兰教授发表了第一本比较系统论述遗传算法的专著《自然系统与人工系统中的适应性》（《Adaptation in Natural and Artificial Systems》）。
遗传算法最初被研究的出发点不是为专门解决最优化问题而设计的，它与进化策略、进化规划共同构成了进化算法的主要框架，都是为当时人工智能的发展服务的。
迄今为止，遗传算法是进化算法中最广为人知的算法。
近几年来，遗传算法主要在复杂优化问题求解和工业工程领域应用方面，取得了一些令人信服的结果，所以引起了很多人的关注。
在发展过程中，进化策略、进化规划和遗传算法之间差异越来越小。
遗传算法成功的应用包括：作业调度与排序、可靠性设计、车辆路径选择与调度、成组技术、设备布置与分配、交通问题等等。
1.2 遗传算法的特点遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。
搜索算法的共同特征为：①首先组成一组候选解；②依据某些适应性条件测算这些候选解的适应度；③根据适应度保留某些候选解，放弃其他候选解；④对保留的候选解进行某些操作，生成新的候选解。
在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。
改进遗传算法优化MIMO稀布阵列
第19卷 第3期太赫兹科学与电子信息学报Vo1.19，No.3 2021年6月 Journal of Terahertz Science and Electronic Information Technology Jun.，2021 文章编号：2095-4980(2021)03-0442-06改进遗传算法优化MIMO稀布阵列秦自立1a,1b,2，杨冠1a,1b,2，王方力1a,1b,2，李超1a,1b，纪奕才1a,1b,2(1.中国科学院 a.空天信息创新研究院；b.电磁辐射与探测技术重点实验室，北京 100190；2.中国科学院大学电子电气与通信工程学院，北京 100049)摘 要：为了解决多输入多输出(MIMO)天线阵列由于阵元间隔过大造成的阵列方向图出现栅瓣，在雷达回波成像时出现影响目标识别的虚假目标的问题，提出了一种改进的遗传算法对阵列排布进行优化。
在传统标准遗传算法上进行改进，用多个矩阵组合表示MIMO阵列，针对在矩形平面随机分布的稀疏阵列的方向图旁瓣问题进行优化设计，并采用基于Logistic混沌序列的方法产生种群扰动，避免优化过程进入局部最优状态。
通过实例对比22发射天线22接收天线的均匀规则排布MIMO阵列和经改进遗传算法优化的稀布MIMO阵列，结果表明，改进遗传算法可以有效解决规则排布阵列方向图中出现的栅瓣，并且降低方向图旁瓣，提高雷达成像性能。
该优化算法变量可控，具有很强的实用性，为MIMO雷达的阵列排布提供了解决方法。
关键词：平面稀布阵列；多输入多输出；改进遗传算法；栅瓣；旁瓣中图分类号：TN951文献标志码：A doi：10.11805/TKYDA2019552Modified genetic algorithm for optimizing MIMO sparse arrayQIN Zili1a,1b,2，YANG Guan1a,1b,2，WANG Fangli1a,1b,2，LI Chao1a,1b，JI Yicai1a,1b,2 (1a.Aerospace Information Research Institute；1b.Key Laboratory of Electromagnetic Radiation and Sensing Technology，Chinese Academy of Sciences，Beijing 100190，China；2.School of Electrical and Communication Engineering，University of Chinese Academy of Sciences，Beijing 100049，China)Abstract：The array pattern of Multiple Input Multiple Output(MIMO) antenna array has grating lobes due to the large array element spacing, and the false targets that affect the target recognition appearin the radar echo imaging. An improved genetic algorithm is proposed to optimize the array arrangement.The traditional standard genetic algorithm is improved to represent MIMO array with multiple matrixcombinations, and the pattern sidelobes of sparse array with random distribution in rectangular plane areoptimized. The method based on Logistic chaotic sequence is adopted to generate population disturbanceand avoid the optimization process entering into the local optimal state. A uniform regular arrangement ofMIMO array with 22 transmitting antennas and 22 receiving antennas and a modified MIMO array optimizedby modified genetic algorithm are compared by examples. The results show that the modified geneticalgorithm can effectively avoid the grating lobes in the regular array pattern, reduce the side lobes of thepattern, and improve the radar imaging performance. The optimization algorithm has strong practicabilityfor its variable is controllable, which provides a solution for array arrangement of MIMO radar.Keywords：planar sparse array；Multiple Input Multiple Output；modified genetic algorithm；grating lobe；side lobe多输入多输出(MIMO)雷达近年来得到了越来越多研究学者的关注[1−2]，由于其独特的多个发射天线独立发射正交信号并且多个接收天线同时接收信号的特点，其获得了远超过实际阵元数目的观测通道，具有很高的数据获取效率，相比同样孔径的单站雷达系统，远远节约了硬件成本，以空间积累代替时间积累，从而具有缩短积累时间，实现单次快拍成像的优势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
【 引，提 供 较 高时 ，采 用该种 方式会 使得 编码 上 世 纪 八 十 年 代 以来 ， 移 动 算法 应用 到天 线 综合 中 Ｊ 通 信技 术在全 球范 围 内得 到迅速 发 了用 遗传 算法进 行 阵列 综合 的一般 位数 多 ，增加计 算难度 。浮 点数编 展 。移 动通信 用户和 业 务的不 断增 方法 。此 后智 能算法被 不 断地 应用 码适 用于 精度较 高 的场 合 ，无 需译 加 ，使 得无线 资源 日趋 紧张 。再加 到天线 阵综合 问题中 。 上 现代 工业 的污染 和气 候变化 ，通 码 ，提高运算效率，但无统一 的适用 本文提 出一种新型的编码方式， ２基本遗传算法的改进策略 于浮点数编码的遗传算法模式理论。 ． 作为一种先进的新型智能算法，
敛 性能。对 线阵波束方 向图的零 陷点生成和旁瓣抑制进行 仿真 ， 真结果表 明改进算法 与传统算法相 比能明显减 少遗传代 数， 仿 能够更快地找 到满意解。
【 关键词 】智能天线；波束形成； 遗传算法
Ｔｈ ｐ ｉａ ｉ ｎ ａ ｕ ｍ ｐｒ ｖｅ ｅ ｅｉ ｌ ｏ ｉｈｍ ｎ ａ ｒ ｙ ａ ａ ｔ ｒ ｅａ ｐｌｃ ｔｏ ｂｏ ｔｉ ｏ ｄ ｇ ｎ ｔｃａｇ ｒｔ ｉ ｒ ａ ｂｅ ｍ ｐ ｔｅ ｎ
∑ ｃ （ ） ｏ ） ｃ （ ７ ｓ ０兰 。 【 Ｏ ｓ ｃ
ＰＯ ：２ １ 点Ｌ— —— ＝— —一 （） ０ｇ （ ＿ ）
∑
（） １
４实例 分 析 ．
４ １零 陷位置控制 ．
目前移 动通信用 户数量 大增 ，
在一定 空 间范围 内不 可避 免的会有 多个用 户 同时收发信 号 。则 相互之
利用 有用 用户信 号并抑 制干 扰信 号 学 习体会 ，从编码 方式 ，变异操 作 四位 ，与 二进制编 码相 比大大 缩短
的 目的 。 中的遗传 和进 化 的过 程而 形成 的一 以及选 择机 制 出发 ，提 出 了 自己的 了编码长度，加快运算速度 。 ２ ２对１ 去补变 １ ． ０ 变异 采用 上述整 数编码 方式 后 ，交
副 利用 率 ，成 为移 动通信 研究 中 的热 选 ，易 出现 早 熟收敛 等现 象 。 儿 体 由一 串整数 编码 串表示 。这种编
点 问题 。在 这样 的技术 背景 下 ，智 于是很多学者针对天线阵列的特 点， 码方式 ，对 于实数 形式 的个体解 尤
能天 线技术 应运 而生 。智 能天线 技 提 出了各 自的改进策 略 。文献 采 为适合 。每 组编码 的码长 与其对 应 术其 原理 是将无 线 电的信 号导 向具 用浮 点数编 码替代 传统 的二进制 编 的 实数解位 数一致 。按从 高位 到低 体 的方 向，产 生空 间定 向波 束 。使 码 ，文献 将 量子 门操作 融入 到基 位 的顺序 ，实数解 的每位 数值 ，即 天 线主波 束对 准用户 信 号的对准 用 本算 法 中 ，文献 …针 对遗 传算 法在 是编 码对应 位基 因 的取值 。如 某个 ． ３ ，则按照整数编码规则 户信 号到 达方 向 。旁瓣 或 零陷对 准 天线 图形成 中的应 用提 出 了合 适的 体解为５ ２ ０ 干扰 信号 到达方 向，达 到 充分高 效 适应度 函数 。本 文作者根 据 自身的 所得编 码 即为５ ３ 。编码 位数 仅为 ２０． ／ ｌ３ ｌ ￣ｔｔ ２ ２２ ０ ０
…
…
－
…
…
…
…
…
…
一
探索 婴察＿＿ （Ｊ （ （
体保存 下来 ，适应 度低 的淘汰 。形
Ｚ
成新 的一轮种 群 ，再进行 交叉变 异 操作 ，直至满 足遗传 终止 条件 ，结 束遗传 算法运算 。
Ｉ ｎ
Ｉ １ １ １ ４ ３ ２ ｌ
Ａｂ ｔ ａ ｔ ｓ ｒ ｃ ：Ｔｈ ｏ ｇ ｎ ｌｚ ｅ ｔａ ｉ ｏ ａ ｅ ｅｉ ｌ ｏ ｉ ｍ ｐ ｌ ｄ ｏ ｒａ ｂ ａ ｐ ｔ ｒ ． ｈ ｌｏ ｔ ｍ ｓｉ ｒ ｖ ｄ ｉ ｏ ｉ ｇ ｒ ｕ ｈ ａ ａ ｙ ｅ ｔ ｄ ｔ ｎ ｌ ｎ ｔ ａｇ ｒ ｈ ａ ｐ ｉ ｎ ａ ｒ ｙ ｅ ｍ ａｔ ｎ Ｔ ｅ ａｇ ｒ ｈ ｗａ ｈ ｒ ｉ ｇ ｃ ｔ ｅ ｅ ｉ ｍｐ ｏ ｅ ｃ ｄｎ ｎ
遗传算法是模拟生物在 自然环境 改进策略 。 ２ １整数编码 ．
种 自适应 全局 优化概 率搜 索算法 。
遗传 算法 中传统 的编码方 式有 叉操 作可 以按照 二进制 编码规 则 ，
１９ 年 ，Ｊ Ｍ ｃ ａ ｌ ｏ ｎ ｏ 和Ｙ 一 二进 制编码 和浮 点数编码 两种 。二 但 其取反 变异操 作 明显 不再 适合 。 ９４ ． ｉ ｈ ｅ Ｊ ｈ ｓ ｎ ａ
Ⅵ ＬＬｎｊｎ ｒ ｉ ｕ Ｊ － （ ｅ ａｔ ｎ ｆｎｏｍａｉ Ｄ ｐ ｒ ｔ Ｉｆｒ ｔ ｎ＆Ｅｅｔｃ ｎ ｉｅｒ ｇ ｕ ａ ｓｔｔｏ Ｔ ｃｎ ｌｇ ，Ｈ ｎ ｙｎ ４ １０ ） ｍｅ ｏ ｏ ｌ ｒ ｇｎ ｅｉ ，Ｈ ｎｎＩ ｔｕｅ ｆ ｅｈ ｏ ｙ ｅ ｇ ａｇ ２ ０ ２ ｃ ｉＥ ｎ ｎｉ ｏ
ｗａ ｙ，ｍｕａｉｎ ｓ ａｅ ｙ ａ ｄｃ ｏｃ ｃ ａ ｉｍ． ｗ ｌｏ ｔｍ ｅ ｕ ｅ ｈ ｏ ｉｇｌｎ ｔ ｔｔ ｔ ｔｇ ｎ ｈ ｉｅｍｅ ｈ ｓ Ｎｅ ａｇ ｒ ｈ ｒｄ ｃ ｄｔｅｃ ｄｎ ｅ ｇｈ，ｉｃｅ ｓｄ ｖ ｒａ ｉｉ ｆ ｅ ｉｉ ｔ ，ｂ ｔｅ ｏ ｒ ｎ ｉ ｎ ｒａｅ ａｉｂｌｙ ｏ ｘｂ ｌ ｔ ｌ ｆ ｉ ｙ ｅ ｒ ｍａｎａｎ ｄ ｔｅｄｖ ｒｉ ｆｉｄｖｄ ａｓ ｃ ｅｅａｅ ｅｓ ａｃ ｄ ｔｅｃ ｌｕａｉｎ ｓ ｅ ｄａ ｄ ｃ ｎ ｅｇ ｎ ｅｐ ｒｏｍａ ｃ ．ｈ ｉ ｌｔ ｎ ｉｔｉｅ ｉｅｓｔ ｏ ｉｉｕ ｌ ，ａ ｃ ｌｒｔｄｔ ｅ ｈａ ａｃ ｌｔ ｐ ｅ ｏ ｖ ｒｅ ｃ ｅｆｒ ｎ ｅＴ ｅｓ ｈ ｙ ｎ ｈ ｒ ｎ ｈ ｏ ｎ ｍｕ ａｉ ｏ
补 法对 它们 计算后 依然 是原值 。另 择再变化的顺序 ，而是首先让父代中
一
方面 ，如 果某个基 因座 多次被 选 所有个体均发生变化，然后再对整个 间形成 了干扰 ，在天 线接收端 ，我 们 往往 将增益较 低 的零陷方 向对准 择 进行 变异 ，单纯对 １ 取补会 使该 大群体进行筛选 。牺牲单纯的操作方 ０ 主要干扰方 向以期抑制干扰 。 基 因座 的取值 来 回在一对 数值 之 间 式 ，既强调优 良个体的保 留，又保证 假 设 由１ 个 阵元组成 的对称直 ６ 变 化 ，假 设基 因座 ｉ 原值取 ３ ，进 行 父代 中优秀个体也参与变化 。 线天线 阵列 ，每 个 阵元 间 的间距均 对 ｌ 取 补后 得７ Ｏ ，如基 因座 ｉ 次被 多 经 改进 后 的遗传算 法流 程 图如 为 ／ ， 入为入射波波 长 。通 过调 ２ 选 择变异 ，则其 取值 无法跳 出３ ７ 图ｌ 和 所示 。算法 以整数编码 开始 ，首 节 阵元 的激励 电流幅值 ， 改变 天线 之 外进行 取值 ，这就 失去 了变异 的 先产 生第一 轮种 群 ，跟 基本遗 传算 图方 向，使得在 方 向图在规 定辐射 意义 。于是本 文规定 ，在进 行对 １ 法不 一样 的是 ，改进遗 传算 法先对 Ｏ 方 向的时候产 生零 陷 。按 文献 踞适 取补 步骤 后，再对所得值随机 的加１ 所有 父代进 行 交叉变异 操作 。然后
信 环境 变差 。在 复杂 的移动通 信环
境和 频带 资源 受 限的条 件下 ，如何 遗 传算 法也不 是完美 无缺 的 。该 算 整数编码 法 。整 数编码 即每 个基 因 达到 更好 的通信质 量和 更高 的频谱 法 随机 性强 ，依赖 于大量 的个体 筛 的取值在 一定 的整数 范 围内 ，染色
Ｉ ｉ 为各阵元的 电流激励值分量， 根据直 线阵列远场场 强知识 ，图２ 所
图１改进遗传算法流程 图
图３ 改进遗传 算法零 陷位 置控制
示简化 的一 维直线 均匀阵 列 中，其
在本文采取对 １取补和变 １ ０ 相结合 的 所 有父代 个体 均参 与交叉和 变异 操 归一化 方 向图函数为 ： 思路对 变异 操作进 行改进 。ｏ ｌ十 作 ，这样就形成 了父代 ，由交叉产生 ￣９ Ｊ 个整数 都不 超过 １ ，且 可 以两 两配 的子代 （ ０ 这里我们称为交叉子代 ）和 对 求和得１ ５ 以和它 自身相加得 由变 异产 生 的子代 （ ０（ 可 这里我 们称 为 １ ） 。因此 ，在编 码 串中确定 好待 变异 子代 ）三个 种群 ，三个 种群 中 ０ 变异 的基 因座 以后 ，用 １ 减去 待变 的个体 完全混 合起来 排列 各 自的个 ０ 异位 置 的基 因数值 ，这 样所得 差值 体 适应度 ，然 后按照 一定 的 比例 ， 与原值至少相差２ 。可是一方面考虑 从 中选取最优 的个体组成新的种群 。 到０ ５ 和 这两 个特殊 的数值 ，对 １ 取 这种选择策略打破传统遗传算法先选 Ｏ
Ｋｅ ｒ ｓ ｍａｔ ｔｎ ａ ；ｂ ａ ｆ ｒ ｉ ｇ； ｇ ｎ ｔ ｌ ｏ ｔｍ ｙ ｗｏ ｄ ：ｓ ｒ ｅ ｎ ｎ ａ ｅ ｍ ｍ ｎ ｏ ｅ ｅｉ ａｇ ｒ ｈ ｃ ｉ