申请/专利权人：南京邮电大学

申请日：2024-03-11

公开（公告）日：2024-05-10

公开（公告）号：CN118013853A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/006;G06N3/126

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种基于混合遗传二进制蜻蜓算法GABDA的超表面波束赋形优化方法，属于计算机技术与应用技术领域，该方法包括超表面阵列由8*8个超级子单元组成，每个超级子单元由6*6个相位全0°或全180°的单元构成，所述相位为相对值，即两单元相位相差180°，所述阵列采用混合遗传二进制蜻蜓算法对设定的特定波形进行优化，为了能快速实现预设定波形，对超表面单元进行方形垂直对称排布并使用混合遗传二进制蜻蜓算法对其进行优化。与传统算法相比较，本发明具有收敛快，精度高，不易陷入局部最优等优点，对于智能超表面的发展有潜在的应用前景。

主权项：1.一种基于混合遗传二进制蜻蜒算法的超表面波束赋形优化方法，其特征在于，所述超表面阵列由8*8个超级子单元组成，每个超级子单元由6*6个相位全0°或全180°的单元构成，所述相位为相对值，即两单元相位相差180°，所述阵列采用混合遗传二进制蜻蜒算法对设定的特定波形进行优化，具体包含如下步骤：步骤1：构建描述超表面阵列的初始种群并测量最优值；步骤2：基于初始种群进行一次迭代，进行选择、交叉、变异操作，并测量最优值；步骤3：将上述步骤2测量结果与上一代测量结果进行对比，若最优值发生改变，则回到步骤2，并重复执行步骤2和步骤3，输出最优值和最优种群，若最优值未发生改变，则进行下一步；步骤4：基于上述步骤3的种群进行最优值排序，前90％做二进制蜻蜒算法迭代，后10％做遗传变异操作并测量最优值；步骤5：将上述步骤4测量结果与上一代测量结果进行对比，若最优值发生改变，则重复执行步骤2和步骤3，输出最优值和最优种群，若最优值未发生改变，则进行步骤4和步骤5，输出最优值和最优种群。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于混合遗传二进制蜻蜓算法的超表面波束赋形优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD