基于自适应代理模型的粒子群算法在天线优化中的应用
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 研究现状及进展 | 第15-18页 |
| 1.3 本文研究内容与结构安排 | 第18-20页 |
| 2 代理模型 | 第20-41页 |
| 2.1 样本实验设计 | 第20-25页 |
| 2.1.1 采样规模 | 第20-21页 |
| 2.1.2 采样方法 | 第21-24页 |
| 2.1.3 数值实验 | 第24-25页 |
| 2.2 元代理模型相关理论 | 第25-33页 |
| 2.2.1 高斯过程模型 | 第26-27页 |
| 2.2.2 克里金模型 | 第27-28页 |
| 2.2.3 径向基函数模型 | 第28-29页 |
| 2.2.4 多项式曲面响应模型 | 第29页 |
| 2.2.5 谢别德模型 | 第29-30页 |
| 2.2.6 支持向量回归模型 | 第30-32页 |
| 2.2.7 模型性能评价指标 | 第32-33页 |
| 2.3 集成代理模型相关理论 | 第33-37页 |
| 2.3.1 基于预测方差的权因子选择 | 第35页 |
| 2.3.2 基于最小化交叉验证误差的权因子选择 | 第35-36页 |
| 2.3.3 最优加权代理 | 第36-37页 |
| 2.4 数值实验 | 第37-40页 |
| 2.4.1 实验设置 | 第37-38页 |
| 2.4.2 结果与分析 | 第38-40页 |
| 2.5 本章小结 | 第40-41页 |
| 3 基于自适应代理模型的粒子群优化算法 | 第41-63页 |
| 3.1 自适应代理模型方法 | 第41-43页 |
| 3.2 粒子群优化算法 | 第43-45页 |
| 3.3 基于自适应代理模型的粒子群优化算法设计 | 第45-47页 |
| 3.4 数值实验 | 第47-61页 |
| 3.4.1 实验设置 | 第48-49页 |
| 3.4.2 结果与分析 | 第49-61页 |
| 3.5 本章小结 | 第61-63页 |
| 4 天线优化设计 | 第63-71页 |
| 4.1 实验介绍 | 第63-67页 |
| 4.1.1 MATLAB-HFSS-API | 第63-64页 |
| 4.1.2 天线设计与优化 | 第64-67页 |
| 4.2 结果与分析 | 第67-70页 |
| 4.3 本章小结 | 第70-71页 |
| 5 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第79-80页 |
| 致谢 | 第80页 |
