(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211174443.3 (22)申请日 2022.09.26 (71)申请人 西安交通大 学 地址 710049 陕西省西安市碑林区咸宁西 路28号 (72)发明人 杨文晋　李永东　王洪广　刘纯亮　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 高博 (51)Int.Cl. G06F 30/27(2020.01) G06F 111/06(2020.01) G06F 111/10(2020.01) (54)发明名称 一种高功率微波源多目标优化方法、 系统、 设备及介质 (57)摘要 一种高功率微波源多目标优化方法、 系统、 设备及介质， 包括： 对待优化高功率微波源进行 结构参数化； 利用结构参数信息生成初始种群， 并利用初始种群生成数个小种群； 利用基于多准 则决策分析方法FSAWS的遗传算法实现小种群进 化， 生成小生境精英个体； 利用小生境精英个体 生成小生境Pareto非支配解集； 利用小生境 Pareto非支配解集更新全局Pareto非支配解集； 利用全局Pareto非支 配解集更新初 始种群； 通过 迭代方式生成最优Pareto非支 配解集。 本发明基 于FSAWS的客观属性和主观属性评级方法实现了 相对简单的权重设置和适于高功率微波源性能 指标特点的目标评级， 用于实现种群中个体的适 应度评价， 实现了一种适于高功率微波源的多目 标优化设计方法。 权利要求书2页 说明书8页 附图3页 CN 115544869 A 2022.12.30 CN 115544869 A 1.一种高功率 微波源多目标优化方法， 其特 征在于， 包括： 对待优化高功率 微波源进行 结构参数化， 确定结构参数的变化范围及变化精度信息； 利用结构参数信息生成初始种群， 利用 初始种群生成数个小种群， 对所有小种群利用 基于FSAWS适应度评价的遗传算法实现小种群进化， 生成小生 境精英个 体； 利用小种群进化得到的小生境精英个体生成小生境Pareto非支配解集； 利用小生境 Pareto非支配解 集更新全局Pareto非支配解 集； 利用全局Pareto非支配解集更新初始种群； 通过迭代方式生成最优Pareto非支配解 集。 2.根据权利要求1所述的一种高功率微波源多目标优化方法， 其特征在于， 高功率微波 源器件结构参数化： 基于高功率微波源器件的数值模型， 构建用于描述高功率微波源器件 结构的结构参数， 将待优化的结构参数设置为变量， 并设置变量的变化范围和变化精度。 3.根据权利要求1所述的一种高功率微波源多目标优化方法， 其特征在于， 利用结构参 数信息生成初始种群： 利用待优化结构参数 的变化范围和变化精度信息， 通过均匀随机算 法生成初始种群， 并对种群 个体进行浮 点数基因编码； 利用初始种群生成数个小种群： 根据设置好的小种群包含个体个数信息， 采用随机采 样方式从初始种群中提取相应 个数的个 体， 并生成数个小种群。 4.根据权利要求1所述的一种高功率微波源多目标优化方法， 其特征在于， 对小种群利 用基于FSAWS适应度评价的遗传算法进行优化： 利用遗传算法的选择、 交叉和变异 算法生成 实现小种群进化； 利用种群个体所包含的器件结构参数信息生成 高功率微波源器件的具象 数值模型， 利用粒子模拟软件并行 的对所有器件的具象数值模型进行数值模拟， 根据数值 模拟结果及预先设定的性能指标评级准则， 利用FSA WS方法实现个体的适应度评价， 并以迭 代方式生成小生 境精英个 体。 5.根据权利要求1所述的一种高功率微波源多目标优化方法， 其特征在于， 利用小种群 进化得到的小生境精英个体生 成小生境Paret o非支配解集： 对所有小种群进化得到的小生 境精英个体所描述器件的性能参数进行比较， 基于Pareto非支配解集概念， 生成小生境 Pareto非支配解 集； 利用小生境Pareto非支配解集更新全局Pareto非支配解集： 利用上述小生境Pareto非 支配解集与全局Pareto非支配解集进行比对， 剔除全局Pareto非支配解集中被支配的个 体， 保留未被支配的个 体， 实现利用小生 境Pareto非支配解 集更新全局Pareto非支配解 集。 6.根据权利要求1所述的一种高功率微波源多目标优化方法， 其特征在于， 利用全局 Pareto非支配解集更新初始种群： 将全局Paret o非支配解集中的个体 分别与初始种群中随 机挑选的一个个体进 行比对， 剔除初始种群中被支配的个体， 并保留未被支配的个体， 实现 初始种群更新。 7.根据权利要求1所述的一种高功率微波源多目标优化方法， 其特征在于， 通过迭代方 式生成最优Paret o非支配解集： 利用更新后的初始种群重新生 成数个小种群， 基于FSAWS适 应度评价的遗传算法实现小种群进化， 生成新的小生境Pareto非支配解集； 通过迭代方式 不断利用新生成的小生境Pareto非支配解集更新全局Pareto非支 配解集， 得到最优Pareto 非支配解 集。 8.一种高功率 微波源多目标优化系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115544869 A 2结构参数化模块， 用于对待优化高功率微波源器件进行结构参数化， 确定结构参数的 变化范围及变化精度信息； 小生境精英个体生成模块， 用于利用结构参数信息生成初始种群， 利用 初始种群生成 数个小种群， 对 所有小种群利用基于FSA WS适应度评价的遗传算法进 行优化， 生成小生境精 英个体； 非支配解集更新模块， 用于利用小种群进化得到的小生境精英个体生成小生境Pareto 非支配解 集； 利用小生 境Pareto非支配解 集更新全局Pareto非支配解 集； 最优解生成模块， 用于利用全局Pareto非支配解集更新初始种群， 并通过迭代方式生 成最优Pareto非支配解 集。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7任一项所述 一种高功率 微波源多目标优化方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述一种高功 率微波源多 目标优化系统的步骤。权　利　要　求　书 2/2 页 3 CN 115544869 A 3