.png){kind=icon}
返回
Surrogate-Assisted Evolutionary Multi-Objective Antenna Design
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14193862.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种用于天线设计的多问题代理辅助进化多目标优化方法。通过将传统天线设计优化问题转化为高成本多目标优化问题，该方法采用多问题代理（MPS）模型来堆叠多个天线设计问题。MPS模型是一种知识转移框架，它堆叠了在相关天线设计问题（例如具有不同引向器配置的Yagi–Uda天线）上训练的多个代理模型（例如高斯过程），以加速优化。Yagi–Uda天线的参数（包括辐射方向图和波束宽度）在不同引向器配置下被考虑为决策变量。多个代理模型根据Yagi–Uda天线的引向器数量构建。MPS算法使用期望改善策略识别有前景的候选解，并通过真实函数评估对其进行优化，从而有效地平衡探索与计算成本。与通过超体积评估的基准算法相比，本方法在平均性能上表现更优，同时所需的函数评估次数更少。
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
A Simple Cylindrical Dielectric Resonator Antenna Based on High-Order Mode With Stable High Gain
PREAI
分享收藏Li, H.; Wan, F.; Gong, M.; Qin, A.K.; Wu, Y.; Xing, L. Fast heterogeneous multi-problem surrogates for transfer evolutionary multiobjective optimization. IEEE Trans. Evol. Comput. 2024. [Google Scholar] [CrossRef]Li, H.; Wan, F.; Gong, M.; Qin, A.K.; Wu, Y.; Xing, L. 面向迁移进化多目标优化的快速异构多问题代理模型。IEEE Trans. Evol. Comput. 2024. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Reference Vector-Assisted Adaptive Model Management for Surrogate-Assisted Many-Objective Optimization代理辅助多目标优化的参考向量辅助自适应模型管理
PREAI
分享收藏
查看更多内容