Anwendung der Evolutionsoptimierung bei Mikrowellenschaltungen

Abstract

Übersicht:Es wird ein Evolutionsoptimierungsverfahren vorgestellt, das bei technischen Problemen einsetzbar ist, die analytisch lösbar sind. Das Verfahren besitzt den Vorteil, daß lokale Minima als solche erkannt und überwunden werden können. Dies wird exemplarisch an einem Beispiel aus der Mikrowellenholografie demonstriert. Weiter läßt sich gegenüber anderen Verfahren (z.B. Fletcher-Powell-Verfahren) die Rechenzeit erheblich reduzieren, wie am Beispiel des Leitungstransformators und des parallel-gekoppelten Leitungsfilters gezeigt wird.Abstract: An evolution-optimization-procedure for solving technical problems is presented. The analytical solution of the problem must be known. One part deals with the recognition of local optima and the successful overcoming of them. The various abilities of the procedure are demonstrated in a bad conditioned example. Concluding, microwave circuits are optimized, to show the efficiency of this optimization-procedure when applied to technical problems.Für die Dokumentation: Evolutionsoptimierung / Optimierung / Lokale Minima / Mikrowellenschaltung 1. Einleitung

Entfaltung von Partikelgrößenverteilungen gemessen mit der Phasen-Doppler-Anemometrie

“…Die Entfaltung wird mittels eines Evolutionsoptimierungsverfahrens durchgeführt [13]. Die beiden Parameter der logarithmischen Normalverteilung, die zu ermitteln sind, der geometrische Mittelwert 3 und die Standardabweichung σ werden in der Art optimiert, daß der mittlere quadratische Fehler E r zwischen der logarithmischen Normalverteilung q0(d)~ gefaltet mit der Verteilung u(d) der Milchtropfendurchmesser, die mit dem Tropfengenerator erzeugt und entsprechend breit mit der PDA gemessen wurden -und der gemessenen Milchsprayverteilung unter der Düse g(d) minimiert ist: …”

Optimization of arbitrary frequency response of microwave bandstop filter

“…As a special optimization procedure, Gcnetic Algorithms have been used successfully for both cases. Besides Genetic Algorithms [6], Evolution Strategy [7] has proved it's versatility in various teclinical optimization situations, where the pcrfomsuice of a technical device or system was optimized by systernaticatly varying its parameters, e,g. [ 81, Representative for optimizing technical devices in genezaI, this pnper describes the optimization of the microwave b' mndstop filter dcscribed in the previous chapter.…”

“…If, during the optimization the performance of thc device improves, F ( 2 ) will descend, The specifications are met, when F(2) is bclow a certain threshold. 11.9 Evolution Strategy [7] is based on the principles of mutation ' and selection. During the optimization -xi is varied by a pseudo-noma1 distriliution in & iteration step, with the mean value pi(= xi nf the set (?I which has led to the so far best solution), and q.…”