CC BY
8
5. Krishuk V., Farafonov A., Romanenko S. Analysis of projection methods of microstrip coupled lines filters // Proceedings of the International Conference "Modern problems of radio engineering, telecommunications and computer science". - Lviv-Slavsko (Ukrane). - 2004. - P. 583-586.
6. Шило Г. M. Формування ¡нтервальних моделей для об-числення допусюв // Радюелектрошка. ¡нформатика. Управлшня. - 2002. - № 1. - С. 90-95.
7. KrischukV, Shilo G, Gaponenko N. Optimization of ISLAE solutions in the problems of assigning tolerances for parameters of electronic devices» // Proceedings of the International Conference "Modern problems of radio engineering, telecommunications and computer science". -Lviv (Ukrane). - 2002. - P.114-115.
8. Малорацкий Л. Г., Явич Л. Р. Проектирование и расчет СВЧ элементов на полосковых линиях.- М.: Сов. радио, 1972. - 232 с.
9. Фельдштейн А. Л., Явич Л. Р., Смирнов В. П. Справочник по элементам волноводной техники. - М.: Сов. радио, 1967. - 651 с.
10. Krischuk V, Shilo G., Gaponenko N. Optimization of ISLAE solutions in the problems of assigning tolerances for parameters of electronic devices // Proceedings of the International Conference "Modern problems of radio engineering, telecommunications and computer science". -Lviv (Ukrane). - 2002. - P.114-115.
11. Конструирование и расчет полосковых устройств / Под ред. И. С. Ковалева. - М.: Сов. радио, 1974. - 295 с.
12. Крищук В., Фарафонов О., Шило Г., Гапоненко М. Оп-тим1зац1я допусюв м1кросмужкових ф1льтр1в // Вюник
Нацюнального университету «Льв1вська пол1техшка» «Комп'ютерн системи проектування. Теор1я i практика». - 2003. - № 470. - С. 173-178.
Надшшла 10.07.06 Шсля доробки 21.08.06
Проведено досл1дження допускових обмежень на гео-метричт розм1ри конструкцш мтросмужкових ф1льтр1в з урахуванням виду апроксимаци амплтудно-частотноЧ характеристики, як забезпечують задат характеристики ф1льтра. Синтез ф1льтр1в виконуеться на основ1 ф1льтр1в-прототитв нижтх частот. Розрахунок допус-тв виконуеться з використанням ттервальних моделей. Врахування впливу технологи виготовлення топологп ф1льтр1в здшснюеться шляхом введення вагових коеф1-щент1в.
Probing tolerance limitings on the geometrical sizes constructions of the microstrip filters is carried out. Also, view of approximation amplitude-frequency characteristics, providing the necessary characteristics of the filter take into account. The synthesis of filters is fulfilled on the basis filters-prototypes of the lower frequencies. Calculation of tolerances is made with usage of interval models. The discount agency of manufacture technology of the filters topology is carried out by introduction of weight coefficient.
УДК 621.396.6
В. М. Крищук, Г. М. Шило, Б. А. Артюшенко
ГЕНЕТИЧНИЙ АЛГОРИТМ ПРИЗНАЧЕННЯ Д0ПУСК1В НА РАД10ЕЛЕМЕНТИ З ШТЕРВАЛЬНИМ 0Ц1НЮВАННЯМ
Запропоновано метод тдвищення ефективност1 гене-тичного алгоритму для призначення ттервальних допуске на радюелементи. Окр1м в1домих способ1в оцтки праце-здат-ност1 рхшень використовуеться 1нтервальне розши-рення вих1дних функцш та пошук межових вершин методом вплив1в. Алгоритм адаптовано до роботи з обмежен-нями, що виникають при проектувант рад1оапаратури.
ВСТУП
Синтез та анал1з допусюв е невщ'емною частиною проектування яюсного i водночас доступного за цшою виробу. В умовах скорочення часу на проектування, тестування та налагодження масового виробництва радюапаратури постае задача автоматизацп цих процедур. Здебтьшого синтез та аналiз допусюв базуеться на використанш детермшованих (переважно ттервальних [1]) ^ерацшних методiв з лшшними моделями. Основний недолж таких методiв - це неможлив^ть роботи з вихщними функщями, яю мштять екстремуми в штервалах ¿х допуску, хоча останшм часом i з'яви-лись роботи присвячеш розв'язку ще!' проблеми [2].
© Крищук В. М., Шило Г. М., Артюшенко Б. А., 2006
Використання штервальних методiв ускладнено також при шнуванш велико!' юлькосп обмежень.
На противагу детермшованим методам набувають поширення стохастичш методи: Монте-Карло, моде-люючий вщжиг, генетичний алгоритм (ГА). Ц методи не потребують вiд вихщно!' функци таких властивостей як неперервшсть, диференцiйованiсть чи монотоннiсть. Але слщ зазначити, що метод Монте-Карло вимагае велико'! кiлькостi обчислень, а використання моделю-ючого вiджигу не завжди можливо [3]. Використання ГА допускового аналiзу базуються в тому чи^ i на iнтервальних методах [4, 5]. 1снують також приклади застосування ГА для синтезу допусюв [4, 6, 7]. Синтез допусюв за допомогою ГА пов'язаний з визначенням працездатност знайдено'! област з точки зору обмежень на вихщт функци. Для цього в кнуючих ГА синтезу допусюв використовуються: метод Монте-Карло, аналiз вершин [7], ANOVA (аналiз середнiх значень i варiацiй) [4] та нечггка логiка [6]. Але всi щ методи або не надають гарантованих вщповщей, або потребують велико'' юлькосп обчислень.
Метою роботи е розробка засоб1в щодо тдвищення ефективност ГА синтезу штервальних допусюв на па-раметри радюапаратури з допомогою нових шдход1в до оцшювання працездатност сформованих областей. Зокрема, може бути використано штервальне розши-рення вихщних функцш та пошук межових вершин методом вплив1в. Для виршення поставлено'1' задач1 не-обхщно:
- розробити нов1 методи оцшювання працездатноси обласи, що базуеться на використанш штервального розширення вихщних функцш;
- адаптувати ГА для роботи з виникаючими при проектуванш радюелектронно! апаратури обмеженнями;
- провести анал1з впливу параметр1в ГА на ефек-тившсть його застосування.
ОЦ1НЮВАННЯ ПРАЦЕЗДАТНОСТ1 ОБЛАСТ1
Для адаптаци ГА в задачах призначення допусюв на параметри радюелеменпв слщ визначити найсуттев1ш1 обмеження. При проектуванш радюелектронних засо-б1в найб1льш поширеними е наступш обмеження:
- допускова область повинна вмщувати початков1 ршення:
Хо Е X.,
(1)
де х0 - номшальне ршення, X = [ж^ ж2,..., хп} - ш-
тервальна допускова область (брус), = [Х;, Х;] -
штервал значень параметру г, п - кшьюсть парамет-р!в;
- обмеження на параметри елеменпв:
жг с 8Рг = [^г, ^г]
(2)
- обмеження на допуск (виробнич1 обмеження):
wid(Жг^)/2 е [шшшах^]; (3)
- обмеження на вихщш функцп (обмеження пра-цездатносп):
< (х1...хп)< е жг, ) = 1, т , (4)
де х1...хп) - вихщш функцп, Fj та - нижш та
верхш обмеження на вихщш функцп, т - юльюсть вихщних функцш.
Вираз (4) екв1валентно сшввщношенню:
X с (5)
де № - область працездатность
Якщо виконуються вс обмеження, то брус вва-жаеться припустимим:
X с ИОА,
(6)
де врг - штервал, що обмежуе можлив1 значення параметру г;
де ИОА - область припустимих значень параметр1в.
Кр1м цього, б1льш1сть радюелеменив випускаеться з регламентованими допусками (±1 %, ±2 %, ±5 %, ±10 %, ±20 %) та номшальним рядом параметр1в.
Приклад таких обмежень даеться на рис. 1.
Для перев1рки вираз1в (1)-(3) знадобиться до 3 • п обчислень. Найб1льш1 трудношД виникають з пере-в1ркою виразу (4). Юльюсть обчислень при перев1рщ працездатност залежить в1д монотонност вих1дних функцш, опуклост та неперервност област № та способу оцшювання. Для методу Монте-Карло необхщна юльюсть обчислень пропорцшна об'ему обласи, при анал1з1 вершин проводиться до 2п обчислень, а для методу АЫОУА - 3п. Скоротити юльюсть обчислень мо-жливо при використанш штервальних розширень ви-
Рисунок 1 - Приклад обмежень та допусковог област1
х1дних функцш та пошуку межових значень методом вплив1в.
Знаходження адекватного штервального розширен-ня може бути досить складною задачею, особливо у ви-падку немонотонних функцш. Процедура обчислень значно скоротиться при використанш природного ш-тервального розширення функцш, як1 утворюються за-мшою ус1х змшних та арифметичних операцш на ш-тервальш. В цьому випадку перев1рка працездатносп може проводитись при разовому обчислеш штерваль-ного розширення вих1дно! функци. Працездатност1 брусу вщповщае умова:
де
Хг = шin[шidx¿ + зрг}, Хг = шах [ midХг - зрг},
(9)
I - 1 (зРг- зРг) , ,
шidxг = у 2 С2га + у---=- + spl, (10)
1 = 1 2 — 1 1 1
¿г = У 2 О(2г + 1)й +1 • шах^ (11)
1=1
К X )с[ Е, Е ], (X с №),
(7)
де /(X) - природне штервальне розширення функци
Лх1^хп),хг Е жг.
Область е гарантовано непрацездатною, якщо вико-нуеться:
К (X )п[ Е, Е ] = 0, (X ф №).
(8)
В шших випадках, за умови монотонносп вихщних функцш, необх1дно обчислити найменше та найб1льше значення межово! функци на вершинах брусу. Для цього може бути використано пошук межових значень методом вплив1в. Цей метод базуеться на змш1 кожного з параметр1в в1дносно номшально! точки 1 з'ясуван-ш, як1 змши сприяють зменшенню та зб1льшенню ви-х1дно! функци. Координати вершин з мш1мальним (максимальним) значенням вих1дно! функци утворюються використанням ус1х змш, що сприяють зменшенню (зб1льшенню) вих1дно! функци. Таким чином фор-муеться адекватне штервальне розширення вихщно! функци за 2( п + 1) обчислень. Ця процедура також дозволяе визначити монотоншсть вихщно! функци на брусу X та необхщшсть переходу до перев1рки працез-датност1 брусу шшими методами.
ГЕНЕТИЧНИЙ АЛГОРИТМ
В основу роботи ГА покладено щею запозичену з ево-люцшного процесу в бюлоги [8]: найпристосовашш1 1стоти виживають та, схрещуючись м1ж собою, дають нове, краще, поколшня. Мутащя, схрещення та в1дб1р дозволяють видам пристосовуватись до р1зномаштних умов 1снування. Ц1 ж процеси дають можлив1сть зна-ходити оптимальш ршення 1 для р1зномаштних прик-ладних задач.
Елементи популяци (1стоти або генотипи) в ГА е б1-товими рядками О довжиною I. Отже, постае задача 1х в1дображення в штервальну область. Для цього най-б1льшого поширення набули сшввщношення:
При використанш под1бних ствв1дношень штер-вальна область задовольняе обмеженню (2) та частко-во (3). Враховуючи пор1вняну простоту виробничих обмежень, 1х можна задовольнити ще при вщображеш генотипу, для цього необх1дно (11) замшити на ств-вщношення:
= шах
тт|шidxг - х0г } + у 2
1 1 -1
1 = 1
х О(2г + 1 )й +1 ■ |5Рг - ш^хг' шidxг - ^ | (12)
Таким чином будуть автоматично задов1льнеш вс1 1снуюч1 обмеження кр1м обмежень працездатност1. Тим самим скорочуеться час роботи ГА. Але при цьому сл1д враховувати, що под1бне в1дображення прийнятне лише коли виконуеться:
wid(врг)» 2шintг,
шах^ гоаг - Х0г, Х0г - гоаг г» шin¿г, (13)
де гоаг = [гоаг, гоаг] - штервал припустимих значень параметру г.
М1рою пристосованост1 генотипу в ГА е значення функцЦ ф1тнесу цього генотипу. Для задач знаходження штервально! допусково' област1, зазвичай викорис-товують:
Грег£огшапее(XG) if (XО с ИОА); Мпв88( О) = ^ (14)
[0 otherwise,
де perforшance(Xo) - функщя, що 11 потр1бно мак-сим1зувати (здеб1льшого об'ем допусково! област1, по-казник ц1ни виробу, тощо), Xo - допускова область, що е в1дображенням (9)-(12) генотипу О.
х
Але при використанш под1бно1 функцп ф1тнесу Bci неприйнятш рiшення вважаються однаково непристо-сованими. Враховуючи icнування номiнальниx ршень, подiбна функцiя фiтнеcу мае право на кснування, якщо не виконуеться:
SP » W. (15)
В шших випадках, при вiдcутноcтi на будь-якому поколшш припустимих рiшень, ГА фактично зводить-ся до методу Монте-Карло. Юльюсть обчислень змен-шуеться при викориcтаннi ступеню неприйнятноcтi. Для врахування ступеню неприйнятност достатньо ви-користати iнтервальнi розширення виxiдниx функцш:
контуру [9]. Його коефiцieнт передачi визначаеться за допомогою виразу:
1
H = ((1 + R1 /R2)2 + R?(wC- 1 /(wL))2) , (18)
де X1 = R1, X2 = R2, X3 = C, x^ = L , при частой w = = 1, 05.
Необхщно задовольнити наступш обмеження: ширина допуску на вс параметри елеменив не нижче minti = ±0, 5%; i = 1, 4, нормоваш номшальш значен-ня x0 = (1, 05;1, 05;1, 05;1, 05), spt = x0i ± 20%, H = = [0, 454;0, 561]. Коефiцieнти вартоcтi елеменив TCi задано:
fitness (G) =
performance(XG) if (Xg с ROA); dist(f(Xg), [F, F]) if (Xg * W); (16) 0 otherwise,
TC =
fle dist(f(XG), [F, F]) — MeTpnKa Xaycflop^a: dist(f(XG), (F, F)) = max|F _ f(XG)|, |F - f(XG)|J. (17)
Tofli Ko^eH KpoK TA Ha6yBae BHr.afly:
10 for i:=1 to popnum
20 begin
30 select g1, g2 from PrevG by PrevFitnesG;
40 G[i]:=cross (g1, g2);
50 mutate (G[i]);
60 XG:=map(G);
70 FitnesG [i]=fitness(G)
80 end;
90 PrevG=G;
100 PrevFitnessG=FitnesG,
fle popnum - Be^HHHHa nony.aqii; select - ce.eKqia, bh-naflKOBHH BH6ip reHoTHniB g1, g2 BiflnoBiflHo flo ix npHc-TocoBaHocTi; PrevG, G - MacHBH reHoTHniB nonepeflHtoro noKo.iHHa Ta noKo.iHHa, mo ^opMyeTtca; FitnesG, Prevfit-nesG - MacHBH 3HaneHt ^yHKqii ^iTHecy reHoTHniB nonepeflHtoro noKo.iHHa Ta noKo.iHHa, mo ^opMyeTtca; cross - KpocHHroBep (nepexpemeHHa xpoMocoM reHoTHniB, yTBopeHHa HoBoro reHoTHny); mutate - MyTaqia (BHe-ceHHa BHnaflKoBHx 3MiH b reHoTHn); map - Biflo6pa^eHHa reHoTHny b 6pyc 3a BHpa3aMH (9), (10), (12), fitness(G) -^yHKqia ^iTHecy (npHcTocoBaHocTi) 3a BHpa3oM (14).
ВИКОРИСТАННЯ ГЕНЕТИЧНОГО АЛГОРИТМУ
Особливост використання ГА розглянемо для за-дачi призначення допусюв на параметри коливального
1
if 0, 5% < widхг/2 < 2%;
if 2% < widxi/2 < 5%;
if 5% < widxi/2 < 10%;
if 10% < widx/2 < 20%.
(19)
npoBecTH napaMeTpHHHHH cHHTe3 Ta cHHTe3 per.aMeH-ToBaHHx flonycKiB. npH BH6opi qi.toBoi ^yHKqii c.ifl bh-xoflHTH 3 Toro, mo MeToro flonycKoBoro cHHTe3y e 3MeH-meHHa BapTocTi BHpo6y Ta niflBHmeHHa Horo HafliHHocTi. OT^e, c.ifl BHKopHcToByBaTH TaKy qi.toBy ^yHKqiro, mo KoM6iHye qiHoBi noKa3HHKH BHpo6y Ta o6'eM flonycKoBoi o6.acTi:
4 WidX; _3
performance (X) = n —;—L + 0, 25 • 10 3 x i i widsp:
1 = 1 r 1
4 f8/TC: if (wid*,-/2 > 2%) x y\ 1 1 . (20)
1 = 1 [ 0 otherwise
Ha pHc. 2 npHBefleHo xifl po6oTH TA 3 BiporiflHicTro MyTaqii 100 %, mi.tHicTro MyTaqii 5 %, Be.HHHHi nony-.aqii 100 (qi 3HaneHHa napaMeTpiB 6yflyTt Hafla.i bh-KopHcToByBaTHct, sk^o npaMo He cKa3aHo 3BopoTHe), ^iTHecoM 3a BHpa3oM (15), no oci a6cqHc BiflK.afleHo HoMep noKo.iHHa, no oci opflHHaT BiflK.afleHo: MaKcH-MantHe 3HaneHHa ^iTHecy maxfitness (pHc. 2, a), cepefl-He 3HaneHHa ^iTHecy mid fitness (pHc. 2, 6), Ta BiflHoc-Ha KintKicTt npHnycTHMHx pimeHt NROA (%) (pHc. 2, e). Hk BHflHo 3 pHcyHKiB, fl.a BH3HaneHHa Kpamoro pimeHHa 3Haflo6H.oct npH6.H3Ho 100 noKo.iHt.
npoqec BH3HaneHHa pimeHHa 3aBepmyeTtca Ha 100-My noKo.iHHi, pe3y.tTaTH o6nHc.eHt npHBefleHo b Ta6^. 1. Phc. 2 i Ta6.n. 1 BiflnoBiflaroTt onTHMa^tHoMy pe^HMy po6oTH TA, skhh 6y.o BH3HaneHo nic.a floc.ifl^eHHa Bn.HBy ^yHKqii ^iTHecy, Biflo6pa^eHHa reHoTHny Ta napaMeTpiB TA.
B Ta6.. 2 nopiBHroeTtca BHKopHcTaHHa ^yHKqift ^iT-Hecy 3a BHpa3aMH (14) Ta (16), Biflo6pa^eHHa reHoTHny 3a flonoMororo BHpa3iB (9), (10), (12), Ta (9)—(11) Ha 100-My noKo.iHHi. 3 Ta6.Hqi BHflHo, m;o floqi.tHo bh-
Рисунок 2 — Xid роботи алгоритму: а — maxfitness; б — midfitness ; в — NR0A
користовувати функц!ю ф!тнесу, яка враховуе ступ!нь неприйнятност! брусу, а виробнич! обмеження сл!д враховувати при в!дображен! генотипу.
Таблиця 1 — Найкраще рШення
Параметр r, R2 C L
midxi 1,0628 1,1550 1,0429 1,0399
widxi / 2 ±7,68 % ±9,09 % ±19,46 % ±18,89 %
Таблиця 2 — nopieHHHHH використання pi3Hux функцш фтнесу та вiдoбраження генотипу
fitness( G) map( G) nroa midfitness max fitness
Вираз (16) Вирази (9), (10), (11) 55 %...60 % 0,02...0,03 0,14
Вираз (16) Вирази (9), (10), (12) 55 %...70 % 0,03...0,04 0,18
Вираз (14) Вирази (9), (10), (12) 30 %...40 % -0,40... — 0,22 0,16
В табл. 3 надаеться залежн!сть ефективност! роботи ГА ( NROa, midfitness, max fitness) в!д щ!льност! му-тац!! на 100-му покол!нню. Як видно з таблиц!, при щ!льност! мутац!! 0,005 — 0,025 % ГА дае найкращ! по-казники.
Таблиця 3 — Ефективтстъ роботи ГА при рiзнux щiльнoстяx мутацп
Щльшсть мутацп
0,001
0,0025
0,05
0,1
0,2
Nr
85 %
55 %
55 %
30 %
20 %
.90 %
75 %
70 %
.50 %
.35 %
midfitness
0,10.
0,04.
0,03.
0,01
-0,02.
0,12
0,05
0,04
0,02
-0,01
maxfitness
0
18
16
18
15
12
Залежшсть ефективност! роботи ГА ( NRoa, midfitness, max fitness) вщ обсягу популяцп на 100-му поколшш при обсяз1 популяцп 100 (при шших -в1дпов1дно до 1х обсягу) надано в табл. 4. Як видно з таблиц!, при величин! популяцп ~100 ГА дае най-кращ! показники. Ц! значення параметр!в приблизно сп!впадають з обраними авторами роб!т [5, 6, 7, 8].
Таблиця 4 — Ефективтстъ роботи ГА при рiзнux об'емах популяцИ
popnum nroa midfitness maxfitness
50 40 %...55 % 0,02...0,04 0,14
100 55 %...70 % 0,03...0,04 0,18
150 60 %...70 % 0,03...0,04 0,17
200 60 %...70 % 0,04...0,04 0,15
300 65 %...75 % 0,02...0,03 0,11
Проведен! обчислення показали, що збереження з покол!ння в покол!ння перших найкращих елемент!в без зм!н не надае суттевих переваг. Використання !нтервального розширення вих!дно1' функц!!' дозволило скоротити час на анал!з працездатност! приблизно на 30 % пор!вняно з анал!зом вершин.
ВИСНОВКИ
В запропонованому генетичному алгоритм! викорис-товуеться оц!нювання працездатност! за допомогою !нтервального розширення вих!дних функц!й. Наймен-шу к!льк!сть обчислень забезпечуе природне !нтерваль-не розширення. При недотриманн! умов працездатност! використовуеться адекватне !нтервальне розширення, що формуеться за допомогою методу вплив!в. Проведе-не тестування алгоритму показало, що воно забезпечуе скорочення часу обчислень не менш як на 30 % при по-р!внянн! з анал!зом вершин. Зб!льшення к!лькост! еле-
0
0
0
В. Г. Лихограй, А. Е. Стрельницкий, А. А. Стрельницкий, А. И. Цопа, В. М. Шокало: ЭФФЕКТИВНОСТЬ РАБОТЫ СИСТЕМ АБОНЕНТСКОГО РАДИОДОСТУПА САРД ПРИ НАЛИЧИИ
мент1в приводить до подальшого вщносного зменшення часу обчислень.
Для тдвищення ефективност роботи генетичного алгоритму дощльно використовувати таю функци ф1т-несу, що враховують стутнь вщхилення вихщних функ-цш вщ припустимих значень. Кшьюсть обчислень знач-но скорочуеться при використанш таких вщображень генотипу, що задовольняють виробничим обмеженням.
ПЕРЕЛ1К ПОСИЛАНЬ
6. Ji S., Li X., Ma Y, Cai H. Optimal Tolerance Assignment Based on Fuzzy Comprehensive Evaluation and Genetic Algorithm // Int J Adv Manuf Technol. - 2000. - No. 16. -Pp. 461-468.
7. Spagnuolo G, Vitelli M. Worst-case tolerance design by genetic algorithm // Proceedings of the 2002 IEEE International Symposium on Industrial Electronics. - 2002. -Pp. 1178-1183.
8. Holland J. H. Adaptation in natural and artificial systems: an introductory analysis with application to biology, control and artificial intelligence. - University of Michigan Press. - 1975. - 175 p.
9. Воропай О. Ю. Призначення ¡нтервальних допусюв для немонотонних вх1дних вплив1в // Радюелектрошка. ¡нформатика. Управлшня. - 2006. - № 1. - С. 19-23.
1. Шило Г. М, Воропай О. Ю, Гапоненко М. П. ¡нтервальш методи призначення експлуатацшних допусюв // Радю-електршка. ¡нформатика. Управлшня. - 2003. - № 2. -С. 78-82.
2. Гапоненко Н. П., Воропай А. Ю. Анализ допусков для немонотонных выходных функций // Радиоэлектроника и информатика. - 2005. - № 2(31). - С. 29-32.
3. Минаков И. А. Сравнительный анализ некоторых методов случайного поиска и оптимизации // Известия Самарского центра Российской академии наук. - 1999. -№ 2. - С. 286-293.
4. Foroueaghi B. Worst Case Tolerance Design and Quality Assurance via Genetic Algorithm // Journal of Optimization Theory and Applications - 2002. - Vol. 113, No. 2. -Pp. 251-268.
5. Femia, N., and Spagnuolo, G., Genetic Optimization of Interval Arithmetic-Based Worst-Case Circuit Tolerance Analysis// IEEE Transactions on Circuits and Systems 1 Fundamental Theory and Application. - 1999. - Vol. 113, Issue 12. - Pp. 1441-1456.
Надшшла 12.06.06 Шсля доробки 12.08.06
Предложено метод повышения эффективности генетического алгоритма для назначения интервальных допусков на радиоэлементы. Помимо известных методов оценки работопригодности полученных решений применяется интервальное расширение выходных функций и поиск граничных вершин методом влияний. Алгоритм адаптирован для работы с возникающими при проектировании радиоаппаратуры ограничениями.
A new method to increase effectivity of genetic algorithm for electronics' interval tolerance assignment is presented. Target function interval natural inclusion and method of influence are used to test found domains. The algorithm is adopted to work out constraints of electronics' design.
УДК 681.324.50
В. Г. Лихограй, А. Е. Стрельницкий, А. А. Стрельницкий, А. И. Цопа,
В. М. Шокало
ЭФФЕКТИВНОСТЬ РАБОТЫ СИСТЕМ АБОНЕНТСКОГО РАДИОДОСТУПА САРД ПРИ НАЛИЧИИ ПОМЕХИ. МОДЕЛЬ И АНАЛИЗ
В статье предложена модель для расчета эффективности работы САРД при наличии непрерывной и импульсной помехи, приведен ее математический анализ, разработана методика построения кривых постоянной вероятности битовой ошибки, которые ограничивают области гарантированной эффективности работы САРД.
АКТУАЛЬНОСТЬ И ЦЕЛЬ РАБОТЫ
Сети с радиодоступом стали одним из перспективных направлений развития телекоммуникаций. Разновидностью таких сетей являются локальные сети абонентского радиодоступа (САРД) с протоколом IEEE 802.11b. Они нашли широкое применение для связи на расстояниях до 90 м и возможности их описаны во многих работах. Однако до сих пор остается открытым вопрос о реальной эффективности локальных САРД
© Лихограй В. Г., Стрельницкий А. Е., Стрельницкий А. А., Цопа А.
с учетом влияния непрерывных и импульсных помех, а также неравномерности характеристик направленности клиентских адаптеров (КА) и точек доступа (ТД).
Целью работы является получение аналитических выражений вероятности битовой ошибки с учетом влияния непрерывных и импульсных помех, а также разработка методики построения кривых постоянной вероятности битовой ошибки.
ОСНОВНАЯ ЧАСТЬ
Проведем анализ влияния непрерывных и импульсных помех на широкополосную САРД с прямым расширением спектра на основе М-арной фазовой манипуляции, что широко применяется в стандартах семейства IEEE 802.11.
И., Шокало В. М., 2006
