Diplomska naloga (.pdf)

Recommendations

Info

3.4 Rezultati 34 Pri tem smo parametre nastavili na 50 osebkov, 100 generacij in 3 mm maksimalne debeline plasti. Pri nastavitvah na dvoplastni absorber program skonvergira k dvoplastnemu absorberju iz materialov FM3 debeline 1.3 mm in FM8 debeline 0.7 mm (glej sliko 3.8). Izkazalo se je, da dobimo veliko boljšo konvergenco, če pri optimizaciji večplastnih absorberjev mutacijo povečamo na 50 %. Pri optimizaciji dvoplastnega absorberja smo ostale parametre nastavili na 100 osebkov, 100 generacij in 3 mm maksimalne debeline plasti. Za optimizacijo triplastnega absorberja smo nastavili parametre na 400 osebkov, 150 generacij in 2 mm maksimalne debeline plasti, mutacijo pa smo pustili pri 50 %. Dobili smo dva primerljivo dobra absorberja. Prvi je zgoraj omenjeni dvoplastni absorber, drugi pa je tudi zelo dober triplastni absorber, sestavljen iz materialov FM2 debeline 0.8 mm, FM3 debeline 0.7 mm in FM8 debeline 0.6 mm (glej sliko 3.9). 0 −5 −10 odbojnost (dB) −15 −20 −25 −30 −35 0 2 4 6 8 10 12 14 16 18 frekvenca (GHz) 1. osebek 2. osebek 3. osebek 4. osebek Slika 3.9: Graf odbojnosti štirih najboljših osebkov zadnje, 150. generacije pri optimizaciji triplastnega absorberja po debelini absorberja. Prvi osebek je triplastni absorber iz materiala FM2 debeline 0.8 mm, materiala FM3 debeline 0.7 mm in materiala FM8 debeline 0.6 mm. Drugi osebek je dvoplastni absorber iz materiala FM3 debeline 1.5 mm in materiala FM8 debeline 0.6 mm. Preostala dva osebka sta prav tako dvoplastna absorberja iz istih materialov in podobnih debelin.
Poglavje 4 Reševanje večkriterijskega problema večplastnih EM absorberjev z NSGA-II Problem večkriterijskega optimiziranja in genetski algoritem NSGA-II sta podrobneje opisana v delovnem poročilu [RF05] in članku [KSAM00], ki sta tudi glavna vira pri reševanju našega problema. Probleme s podobno tematiko najdemo tudi v člankih [WMG96] in [CMW05]. 4.1 Večkriterijska optimizacija V praksi velikokrat želimo kak problem optimizirati po različnih kriterijih. V našem primeru bi tako radi združili skupaj dve optimizaciji. Želimo si, da bi naš absorber izpolnjeval pogoj odbojnosti na čim širšem frekvenčnem območju in bil hkrati čim tanjši. Velikokrat so si kriteriji nasprotujoči, kar pomeni, da izboljšanje rešitve po enem kriteriju povzroči njeno poslabšanje po drugih kriterijih. Takrat nimamo opravka z eno optimalno rešitvijo, temveč z množico optimalnih rešitev, ki jo imenujemo vodilni sloj po Paretu. Če ne poznamo pomembnosti posameznih kriterijev, nas zanimajo rešitve s celotnega vodilnega sloja in se šele kasneje odločamo za eno izmed njih. Tako je tudi pri naši optimizaciji. Problem večkriterijske optimizacije je definiran kot problem iskanja dopustnega vektorja spremenljivk, ki optimizira vektorsko funkcijo, katere komponente so kriterijske funkcije. V našem primeru vsebuje vektorska funkcija dve kriterijski funkciji, rešitve pa morajo zadoščati le enemu dopustnemu pogoju; da pri izbrani frekvenci absorber ne preseže predpisane odbojnosti. Ker lahko vsak problem minimizacije kriterijske funkcije enostavno prevedemo v problem maksimizacije, bomo v nadaljevanju predpostavili, da želimo vektorsko funkcijo f(x) = (f 1 (x), f 2 (x)) maksimizirati po obeh komponentah. Pri enokriterijskem optimiziranju je prostor kriterijev množica realnih števil R, ki je z relacijo ≤ linearno urejena. Tako za poljubni rešitvi enokriterijskega optimiza-
Page 1 and 2: Univerza v Ljubljani Fakulteta za m
Page 3 and 4: Program diplomskega dela V diplomsk
Page 5 and 6: Poglavje 1 Uvod V zadnjih nekaj let
Page 7 and 8: Poglavje 2 Teoretičen vpogled v ab
Page 9 and 10: 2.2 Večplastni absorberji 9 Za kov
Page 11 and 12: 2.2 Večplastni absorberji 11 valov
Page 13 and 14: 2.3 Nekaj enostavnih primerov 13 V
Page 15 and 16: 2.3 Nekaj enostavnih primerov 15 5
Page 17 and 18: 2.3 Nekaj enostavnih primerov 17 Na
Page 23 and 24: 3.2 Lastnosti genetskih algoritmov
Page 25 and 26: 3.2 Lastnosti genetskih algoritmov
Page 27 and 28: 3.3 Genetski algoritmi za problem v
Page 29 and 30: 3.3 Genetski algoritmi za problem v
Page 31 and 32: 3.4 Rezultati 31 0 −5 −10 odboj
Page 33: 3.4 Rezultati 33 0 −5 −10 odboj
Page 37 and 38: 4.2 Različni pristopi 37 pomembnos
Page 39 and 40: 4.3 NSGA-II 39 gredo po vrsti najbo
Page 41 and 42: 4.4 Rezultati 41 nakopičenosti za
Page 43 and 44: 4.4 Rezultati 43 8 7 6 debelina (mm
Page 45 and 46: 4.4 Rezultati 45 0 −5 −10 odboj
Page 47 and 48: 47 Sprehod bi začeli pri najboljš
Page 49 and 50: Dodatek B Koda %Primer enokriterijs
Page 51 and 52: 51 M=repmat(eye(2), [1, 1, int]); a
Page 53 and 54: 53 end end t=round(rand)+1; P(1,k,j
Page 55 and 56: 55 %Če optimiziramo po debelini ab
Page 57 and 58: LITERATURA 57 [WMG96] D. S. Weile,

Diplomska naloga (.pdf)

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?