.png){kind=icon}
返回
A unified evolutionary framework for structural-topological mixed-variable optimization in STAR-RIS-aided systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2026.102501.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在同时传输和反射的可重构智能表面（STAR-RIS）辅助通信中的波束成形设计表现出结构拓扑混合变量优化（STMVO）的特性，涉及具有结构化耦合约束的有界、离散和周期性变量。对这些结构特性的理论分析表明，当这些结构和拓扑特性未被明确考虑时，现有的基于欧几里得更新的进化基准可能不足。从系统级角度看，这些挑战源于优化动态与变量结构之间的不匹配，而非特定算法。受此启发，我们提出了ST-EF，一个用于STMVO的统一进化框架。ST-EF引入了三项主要创新：（i）一种统一表示，将异构变量嵌入归一化空间同时保留拓扑特定的邻接关系；（ii）拓扑感知修复算子，尊重边界和周期条件，确保无偏的几何一致性；（iii）拓扑对齐的偏差映射与裕量校正，在离散变量和结构化耦合约束上保持平衡采样，从而防止过早崩溃。在STAR-RIS波束成形任务上的广泛实验表明，ST-EF在代表性基准上实现了改进的鲁棒性和有竞争力的运行时可扩展性，突显了其作为解决结构化混合变量问题的原则性范式的潜力。
Keyword:
Simultaneous transmitting and reflecting
reconfigurable intelligent surfaces (STAR-RISs)
Beamforming
Covariance matrix adaptation evolution
strategy
