粒子群算法和遗传算法在阵列天线综合中的对比

死线

已于 2022-11-30 21:00:30 修改

阅读量4.2k

点赞数 7

分类专栏：天线文章标签： python 粒子群算法阵列天线综合相控阵

于 2019-12-17 22:32:43 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_23176133/article/details/103555208

版权

天线专栏收录该内容

31 篇文章 263 订阅

订阅专栏

简介

可以参考我最新的博文相控阵天线（四）：阵列天线波束赋形（遗传算法、粒子群算法、进化差分算法、含python代码）。
我前面的博客已经介绍了通过遗传算法综合阵列天线的方向图，这次通过粒子群算法综合阵列天线，并比较两种算法在综合阵列天线时的差异。粒子群算法是通过python的算法工具箱scikit-opt实现的，对算法进行了些修改，包括整数编码，每个变量进行单独的区间限制等。遗传算法同样是基于算法工具箱进行了修改。通过对不同种群大小和不同迭代次数的仿真，可以发现，粒子群算法的收敛速度远快于遗传算法，但是比较容易陷入局部收敛，遗传算法在多次迭代的平均效果是要由于粒子群算法的。

粒子群算法图示

在这里插入图片描述

适应度曲线

在这里插入图片描述

与遗传算法的对比

下图展示了不同种群大小和不同迭代次数下粒子群算法和遗传算法的综合效果
在这里插入图片描述

粒子群算法和遗传算法适应度曲线的比较

下图左边时粒子群算法的适应度曲线，右边是遗传函数的适应度曲线
在这里插入图片描述

综上

粒子群算法和遗传算法在消耗时间上是基本一致的，其中粒子群算法的收敛速度特别快，因为它的进化是有方向的，但是如果是比较复杂的问题，维数多，可能有周期性重复的极值时，粒子群算法容易陷入局部收敛，不容易获得良好的解。遗传算法收敛比较慢，因为交叉和变异因子的存在，相对与粒子群算法更容易跳出局部收敛，活得更好的解。

遗传算法图示

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。