Сравнение генетического алгоритма и эволюционных стратегий при оптимизации полосковых модальных фильтров

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Рассмотрены особенности, возникающие в результате оптимизации полосковых модальных фильтров (МФ) посредством генетического алгоритма (ГА) и эволюционных стратегий (ЭС). Выполнена последовательная оптимизация микрополоскового МФ и МФ с лицевой связью по критерию минимизации максимальной амплитуды выходного напряжения. Представлены результаты такой оптимизации с разным числом вычислений, включающие в себя значения оптимизируемых параметров, целевой функции, время, затраченное на вычисление, критерии останова (при оптимизации посредством ЭС) и формы напряжений на выходе исследуемых МФ. Приведен детальный анализ результатов работы двух алгоритмов. Определены достоинства и недостатки, а также различия в работе каждого алгоритма на примере оптимизации двух МФ.

Об авторах

А. О. Белоусов

Томский государственный университет систем управления и радиоэлектроники

Email: ant1lafleur@gmail.com
Российская Федерация, 634050, Томск, просп. Ленина, 40

В. О. Гордеева

Томский государственный университет систем управления и радиоэлектроники

Автор, ответственный за переписку.
Email: ant1lafleur@gmail.com
Российская Федерация, 634050, Томск, просп. Ленина, 40

Список литературы

  1. Фоминич Э.Н., Владимиров Д.Р. // Военный инженер. 2016. № 2. С. 10.
  2. Электромагнитный терроризм на рубеже тысячелетий / Под ред. Т.Р. Газизова. Томск: Том. гос. ун-т, 2002.
  3. Mora N., Vega F., Lugrin G. et al. // System and Assessment Notes. 2014. № 41. P. 1.
  4. Gazizov A.T., Zabolotsky A.M., Gazizov T.R. // IEEE Trans. 2016. V. EMC-58. № 4. P. 1136. https://doi.org/10.1109/TEMC.2016.2548783
  5. Аоки М. Введение в методы оптимизации. М.: Наука, 1977.
  6. Gazizov R.R., Kuharenko M.N., Gazizov T.R. // Proc. Conf. Dynamics of Systems, Mechanisms and Machines. Omsk. 14–16 Nov. 2017. N.Y.: IEEE, 2017. P. 1. https://doi.org/10.1109/Dynamics.2017.8239452
  7. Gazizov R.R., Gazizov R.R., Zabolotsky A.M. // Proc. Int. Sib. Conf. on Control and Communication. Moscow. 14−16 March 2018. N.Y.: IEEE, 2018. P. 1. https://doi.org/10.1109/MWENT.2018.8337215
  8. Belousov A.O., Gazizov T.R. // Complexity. 2018. V. 2018. P. 1. https://doi.org/10.1155/2018/5676504
  9. Belousov A.O., Chernikova E.B., Samoylichenko M.A. et al. // Symmetry. 2020. V. 12. № 1117. P. 1. https://doi.org/10.3390/sym12071117
  10. Freisleben B., Merz P. // Proc. of IEEE Int. Conf. on Evolutionary Computation. 20–22 May. N.Y.: IEEE, 1996. P. 616. https://doi.org/10.1109/ICEC.1996.542671
  11. Mittra R., Chakravarty S., Yeo J. // IEEE Antennas and Propagation Society Int. Symp. 16–21 June. 2002. N.Y.: IEEE, 2002. P. 306. https://doi.org/10.1109/APS.2002.1016309
  12. Yegin K., Martin A.Q. // IEEE Trans. 2003. V. AP-51. № 2. P. 220. https://doi.org/10.1109/TAP.2003.809056
  13. Бураков М.В. Генетический алгоритм: теория и практика: уч. пособие. СПб.: ГУАП, 2008.
  14. Holland J.H. Adaptation in Natural and Artificial Systems. L.: MIT Press, 1975.
  15. Семеникин Е.С., Жукова М.Н., Жуков В.Г. и др. Эволюционные методы моделирования и оптимизации сложных систем. Конспект лекций. Красноярск: Сиб. федер. ун-т, 2007.
  16. Hansen N., Ostermeier A. // Evolutionary Computation. 2001. V. 9. № 2. P. 159.
  17. Kuksenko S.P. // IOP: Conf. Ser.: Materials Science and Engineering, 2019. V. 560. Article No. 01210.
  18. Hansen N. Python: module barecmaes2. http://www.cmap. polytechnique.fr/~nikolaus.hansen/ barecmaes2.html.
  19. Белоусов А.О., Гордеева В.О. // Докл. XVII междунар. науч.-практич. конф. “Электронные средства и системы управления”. Томск. 19–21 ноября 2021. С. 13.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2.

Скачать (19KB)
Метаданные
3.

Скачать (29KB)
Метаданные
4.

Скачать (85KB)
Метаданные
5.

Скачать (173KB)
Метаданные

© А.О. Белоусов, В.О. Гордеева, 2023