有一段时间没有上线啦~欢迎各方做超表面的友友来进行学习交流~~~~~
超表面用算法优化排布,一般使用遗传算法和粒子群算法。
优化是一种具有普适性的工程数学问题和求解方法,它探索约束条件下的问题最优解。
基于生物群体智能的启发式优化算法是求解复杂优化问题的主要方法之一,这类方法使用概率而不是确定性规则,能够快速解决大规模复杂性高效、结果优越、原理简单、易于实现等优点,吸引了众多学者的兴趣,成为智能计算领域的重要发展方向和研究热点。比较有影响的算法包括模拟飞鸟集群觅食行为提出的粒子群算法(Particle Swarm Optimization, PSO),受蚂蚁寻找食物过程中释放信息素发现路径行为启发提出的蚁群算法(AntColony Optimization,ACO),模拟蝙蝠利用声呐探测猎物、避开障碍物的蝙蝠算法(Bat Algorithm, BA),受布谷鸟寄生育雏行为启发提出的布谷鸟搜索算法(Cuckoo Search Algorithm,CSA) ,萤火虫算法(FA),蚁狮优化算法(ALO),鲸鱼优化算法(WOA),蝴蝶优化算法(BOA)等等。
遗传算法是一种基于遗传学和进化论的随机搜索全局优化算法,实现过程是模拟生物种群优胜劣汰的自然选择进化机制,其主要特点是:①在优化过程中不依赖辅助信息,能够根据适值函数自动积累进化优势;②迭代过程中通过突变的方式跳出局部收敛,有助于获取全局最优解;③善于同时优化多个变量参数,优化得到最优解的参数组合;④易于并行计算,优化效率高;⑤适用于各个领域的优化问题。对于任何优化问题,数学模型和适值函数都是重要的组成部分:数学模型包含了优化问题的实际物理含义,适值函数包含了优化的趋势;数学模型的正确与否决定了优化过程的底层基础,适值函数的优劣决定了优化效率的高低、优化结果的好坏,以及优化结果是否能够收敛。
参考文献:
[1]周阳. 基于人工电磁超表面的电磁散射控制机理与应用研究[D].电子科技大学,2019.