[发明专利]一种基于遗传算法的微波暗室多径效应影响评估算法

权利要求书

1.一种基于遗传算法的微波暗室多径效应影响评估算法，其特征在于，包括以下步骤：

(1)构建求解目标函数

在构建目标函数时，根据暗室内部散射体的分布，在散射体的边缘位置将散射体离散成多个独立的散射点，并根据散射体的类型，给离散后的散射点赋予不同的散射系数；

(2)求解参数设置

设置求解所需要的参数：设置最大遗传的代数、种群的大小、个体的长度、可行解的取值区域范围、代沟的概率、交叉的概率、变异的概率和遗传迭代的次数；

(3)初始化种群

采用二进制生成随机数的方法对种群中的每一个染色体生成对应的值，将初始化的种群转换成十进制的数；

(4)适应度计算

为了求解目标函数最小值对应的接收端的布设点位和发射端的布设点位，选择目标函数作为适应度计算函数，对各种群的适应度大小进行排序；

(5)选择、交叉和变异

从旧的种群中以给定的代沟的概率选择优良的个体组成新的种群，以繁殖得到下一代个体，按照适应度由高到低选择对应的个体；

交叉操作：从种群中随机选择两个个体，每个染色体是否交叉由给定的交叉的概率决定；

变异操作：交叉后的新种群中染色体的每一个基因，根据变异的概率判定该基因是否变异；

重新计算生成的新的种群的适应度，将生成的新的种群按照对应的适应度由高到低依次插入到旧的种群中，并更新最优染色体；

计算新的种群中个体的适应度，新的个体的适应度来源于旧的种群，根据适应度将新的个体与其来源的旧的种群进行重组，得到新的种群；

(6)非线性优化

如果遗传的代数为10的倍数则进行一次非线性优化计算；将步骤(5)中得到的最优适应度对应的种群作为非线性估计的迭代初始值，以此来寻找该种群局部次优值附近的最优值，得到全局最优点作为参数估计的最优值，并把得到的最优值插入到步骤(5)中得到的最优适应度对应的种群中，替代原来适应度最差的种群；

(7)终止条件判断

如果遗传计算次数小于给定的遗传迭代的次数，则转入步骤(4)，计算新的适应度最优的种群直至满足指定的遗传迭代的次数，转入步骤(7)；

(8)选择最优输出

当遗传计算次数大于等于给定的遗传迭代的次数后，输出最优解，此解即为暗室内部多径效应影响最低时接收端的布设点位和发射端的布设点位。

2.根据权利要求1所述的一种基于遗传算法的微波暗室多径效应影响评估算法，其特征在于，步骤(1)中，根据离散后散射点的位置和离散后散射点的散射强度，构建目标函数，设发射端坐标为G(x_g,y_g,z_g)，接收端坐标为J(x_j,y_j,z_j)，当发射端和接收端均可调整位置时，目标函数为

公式中，σ_i为散射点散射系数，α为针对每个散射点的增益函数，n为散射点数量，r_i为从发射端G经散射点i到接收端J的路径长度。

3.根据权利要求2所述的一种基于遗传算法的微波暗室多径效应影响评估算法，其特征在于，步骤(1)中，当发射端位置固定，只调整接收端位置时，目标函数调整为

此时，计算得到发射端的坐标(x_g,y_g,z_g)。

4.根据权利要求1所述的一种基于遗传算法的微波暗室多径效应影响评估算法，其特征在于，最优解的求解位置的上界和求解位置的下界由暗室内发射端和接收端可不设的范围确定，即目标区域的可行解的取值区域范围确定。

5.根据权利要求1所述的一种基于遗传算法的微波暗室多径效应影响评估算法，其特征在于，对于每个染色体，生成0～1之间的随机数，如果随机数小于指定的交叉的概率则选定的染色体进行交叉，否则染色体不参与交叉并直接复制到新的种群中；每两个个体按交叉的概率进行交叉，经过两个个体各自的部分基因交换，产生两个新的个体；交叉时随机产生一个有效的交配位置，染色体交换位于交配位置后的所有基因。

6.根据权利要求1所述的一种基于遗传算法的微波暗室多径效应影响评估算法，其特征在于，交叉后的新种群中染色体的每一个基因，根据变异的概率判定该基因是否变异，包括以下内容：生成0～1之间的随机数，如果该随机数小于指定的变异概率则选定的基因进行变异，产生新的染色体。