1 绪论
1.1 蜂窝结构吸波材料的研究意义和背景
1.1.1 吸波材料
吸波材料是指对入射到材料的电磁波，能够将其吸收或者转化的一类材料。吸波材料在雷达隐身、军事化设备隐身、保温节能等多个方面已有广泛的应用。
对于入射到材料表面的电磁波，一般，吸波材料能够有效的将电磁波进行吸收和衰减。通常地，吸波材料能够有效的将入射电磁波能量，转化为其他形式能量，从而起到一定的吸波作用[1]。吸波材料在雷达隐身、军事化设备隐身、保温节能等多个方面已有广泛的应用。
雷达吸波材料（RAM）。对于不同波段雷达波的有不同的频率范围定义，以及不同波段的各种用途。通常所说的电磁波隐身材料也是针对雷达波的各波段，有着不同的反射率要求。
由于雷达探测器被广泛的应用到各个领域，对于目标探测，雷达任然有不俗的表现，因此对于隐身材料的研究，大部分是针对雷达波段的
按雷达波段用途进行分类：
针对上述的不同波段的雷达波，在设计吸波材料的过程中，不同频段有不同的反射率要求。吸波材料的研制通常也是根据上述的分类，来进行吸波材料的设计。
........................
1.2 遗传算法
遗传算法是模仿自然界中的生物进化理论，不断优化的搜索算法。该算法性能优良，通常应用在计算机辅助计算领域。常见的操作有：遗传、变异、交叉互换等。
遗传算法的数学理论并不是很完善，大多数的研究者指出该算法具有一定的随机性，搜索性能并不是十分的稳定。使用遗传算法过程中，我们发现想要选择合适的遗传算法参数，并不容易，这些参量都必须人工调节，从而使得该算法能够有效的适合问题。遗传算法的早收敛问题通常是最令使用者头疼的，因为过早的收敛，极有可能陷入局部最优的问题。当然，遗传算法虽然本身具有不可避免的缺陷，但是遗传算法的实用性是毋庸置疑的。特别是对于工程问题，其实用性强，能够有效的对待求解问题进行寻优。遗传算法具有相当强的鲁棒性，所以该算法得以广泛的实用在生物、化学、材料等领域[11]。下面简要的介绍遗传算法是如何搜索最优结果的。
遗传算法（genetic algorithm，GA）。是一种模拟生物学中的进化理论算法，它的主要原理也可以使用生物学中的各种理论来解释。首先遗传算法会将待处理的问题参数，转化成二进制序列，每一个序列中都包含了问题中待求解的参数。在后续的迭代过程中，会对原始的二进制编码序列进行交叉、变异等操作[14]，这样就会使得每一代的种群中个体会出现差异，也意味着参数大小的改变。
...........................
2 遗传算法改进
2.1 遗传算法早熟问题
遗传算法是借鉴了生物界的种群进化理论，该算法不依赖与梯度，具有很强的自适应性。由于该算法对于数据处理的特殊方式（交叉、变异等），遗传算法具有全局寻优的特性。因此遗传算法被广泛的应用到了各个领域。当然也同样是算法理论的局限性，使得遗传算法在发展过程中暴露了诸多缺陷和不足，如何改进遗传算法关系到算法性能和寻优本领。特别是算法的早熟问题，会导致遗传算法过早的收敛，从而陷入局部最优解而达不到设计者的目的。
当今对算法的研究，收敛特性是评价算法优劣的一项重要指标。传统遗传算法在这方面的不足，通常会导致结果不理想，或者得不到有价值的结果。导致未成熟收敛的主要原因如下：
（1）选择操作，算法会得到每一个个体的适应度大小，然后根据这个大小来排序，最终根据排序来选择新的个体。那么，当一个个体的适应度比其他个体高很多的时候，就会出现，该个体在后代中不断的被保留，该特体的特性会被不断的遗传到后代中。最终会导致种群特性不会发生改变，即算法陷入局部最优问题。
（2）交叉概率cP 和变异概率mP 是交叉、变异操作的控制参数，该参数越大，那么个体变化会加剧。当这两个参数设置不恰当，会导致遗传算法全局搜索性能受到影响。在尝试遗传算法的过程中，我们多次更改这两个参数，发现该参数取值不同，通常会得到是算法得到不同的结果。
（3）种群规模也是影响因素之一。分两类来讨论，当种群规模过小的时候，群体多样性太低，在遗传过程中，极有可能会导致群体的单一化，即所得到的解都是同一个范围内的，意味着很有可能导致算法陷入局部最优问题。当种群规模过大的时候，因为每次迭代都需计算种群中的每一个个体的适应度，然后进行排序、交叉、变异等操作。这样势必会使得计算量增加，如果在设定的循环次数内无法找到要求的解，最终输出的必然过早收敛。
............................
2.2 多种群遗传算法概述
多种群遗传算法就是改进方法之一，通常在使用遗传算法过程中会使用该方法替代传统的遗传算法，从而改善早收敛现象。
多种群遗传算法主要引入以下几个概念：
（1） 该算法在计算过程中，会同时进行多个种群优化寻优，每一个种群都有自己的控制参数，实现不同的搜索要求。
（2） 同样各个种群之间也是有联系的，这种联系我们使用移民算子来称呼。而对于问题所需的最优解通常是根据各个种群之间的比较得到的。
（3） 使用人工选择算子，该算子的作用是保留每次迭代过程中各个种群中的优良个体，最后比较和协调得到算法收敛依据。
图 2-1 中，种群 1~N 的进化机制都是常规的算法，采用轮盘赌选择。单点交叉和位点变异。
..............................
3.1 电磁波入射有导电金属极板的反射系数……………………15
3.2 蜂窝结构吸波材料的理论模型…………………………15
4 MATLAB 程序设计.................24
4.1 从蜂窝入射的结果与实验测试值对比…………………24
4.2 蜂窝参数对反射率的影响………………………27
5 遗传算法计算蜂窝结构吸波材料最佳参数...............29
5.1 程序设计………………29
5.2 遗传算法结果……………………33
6 遗传算法在多层蜂窝结构中的应用
6.1 双层蜂窝夹心结构仿真
单层蜂窝夹心结构，作为结构型吸波材料，它的吸波特性比较好，应用范围也比较广泛，那么对于多层蜂窝夹心结构，我们首先介绍其结构：
.....................
7 结论和总结
7.1 论文总结
本篇论文，首先是采用课题组最佳的蜂窝结构参数，真是由于课题组的努力，才使得论文有对比的对象，也正是因为课题组的努力才使得遗传算法的计算和结果有了依据，能够完善这一领域的空白。
在研究过程中系统的学习了遗传算法，理解了这种算法的各种特性，为以后的工作提供了强力的工具。计算机技术的发展给当今各类智能算法提供了舞台，人工智能的兴起也充分证明了这一点。特别的是在当今的材料领域，诸多算法工具被应用到了材料设计里面。算法辅助设计能够提高科研工作者的效率，为材料参数设计带来极大的便利。在研究过程中，我们使用遗传算法来寻找最优参数，得到的结果与课题组人工实验得到的结果近似，这也充分说明了遗传算法在该领域的可行性。
蜂窝结构吸波材料的等效电磁参数，使用圆波导近似推导出来的计算公式。必然会出现一定的误差，但是通过论文第四章我们发现，这一误差并不大，用公式计算得到的结果，与实际测试得到的结果差不多。在后期遗传算法计算蜂窝结构吸波材料过程中能够得到课题组通过多次实验得到的结果，这充分说明了该方法是可行的，同样，计算机辅助设计吸波材料各种参数，也是可行的。同时，遗传算法搜索最佳参数组合，为设计蜂窝结构吸波材料带来了便利、提高了设计效率。
参考文献（略）