《表1 仿真实例1优化结果的数值对比》
分析可知,本例中N=8,L=4.872λ。本文采用五种算法进行优化。基本参数设置为:狼群规模M=50,最大迭代步数300,探狼比例因子α=4,最大游走次数Tmax=20,距离判定因子ω∈[200 1 000],步长因子S∈[200 1 000],更新比例因子β=6。为防止陷入局部最优,采用停滞检测机制,并选择性地对狼群进行变异。为了体现对比公平性,五种算法进行本例综合仿真时都独立随机进行10次,取最优值进行对比,结果如表1所示。从表1中可以看出IQWPA得到的最优结果分别比文献[2,7]、MBH、HGSA优化得到的最优结果低0.429d B、0.122 d B、0.270 d B、0.153 d B。可见从全局优化能力来看,IQWPA是五种算法中最好的。图4描述了IQWPA进行10次综合时得到的适应函数值收敛曲线。从图中可以看出最低适应函数收敛值与最高适应函数收敛值分别为-19.919 d B和-19.513 d B,两者仅相差0.406 d B,显然,IQWPA算法具有很好的数值稳定性。文献[7]的MGA采用种群数200,终止代数300的参数设置,其平均PSLL为-19.57 d B。而本文IQWPA的种群数为MGA的25%,且平均收敛曲线在45代时已达到-19.59 d B,很明显IQWPA要比MGA[7]有更高的优化效率。
图表编号 | XD00198009100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.05 |
作者 | 王停、夏克文、唐黎军、周伟 |
绘制单位 | 河北工业大学电子信息工程学院、中国人民解放军93756部队、河北工业大学电子信息工程学院、中国人民解放军93756部队、中国人民解放军93756部队 |
更多格式 | 高清、无水印(增值服务) |