本論文研究埋藏於自由空間、半空間與三層空間中二維均勻介質柱體的電磁影像重建。此研究以有限時域差分法 (FDTD) 為基礎，利用最佳化方法於時域中重建埋藏於不同空間中二維均勻介質柱體之特性參數。其中，對於描述形狀的方法，於正散射我們使用傅立葉函數展開(Fourier series expansion) ，並於逆散射中使用三次仿樣函數展開（cubic spline），另外，為了使柱體的形狀更為圓滑我們使用了次網格技術。
為了探究埋藏於不同空間中未知形狀的均勻介質柱體，概念上吾人可向散射體發射電磁脈波，並量測其周圍的散射電磁波，再針對此量測散射電磁波分別以改良式粒子群聚法（PSO）、動態差異形演化法（DDE）與改良式基因法則（NU-SSGA）將逆散射問題轉化為求解最佳化問題。藉由量測而得的散射場以及計算而得的散射場數值互相比較，進而重建介電散射體的形狀函數、位置與介電參數。
本論文探討上述三種最佳化方法對於不同環境下的二維均勻介質柱體逆散射問題的適用性。模擬結果顯示，即使最初的猜測值與實際散射體位置相距甚遠，此三種最佳化方法皆可以成功地重建出柱體的位置、形狀與介電參數。在此三種最佳化方法收斂速度部份，動態差異型演化法與粒子群聚法可以大幅減少計算正散射次數，獲取優於基因法則效能並且減少逆散射問題收斂時間。

This dissertation presents the studies of microwave image reconstructions that are approached based on the time-domain technique (finite difference time domain,   FDTD) and several optimization methods for a 2-D homogeneous dielectric cylinder. The dielectric cylinder is located in free space, or buried in half-space media, or embedded in a three-layered material medium, respectively. For the forward scattering the FDTD method is employed to calculate the scattered E fields, while for the inverse scattering several optimization methods are utilized to determine the shape, location and the permittivity of the cylindrical scatterer with arbitrary cross section. The subgirdding technique is implemented for the FDTD code in order to model the shape of the cylinder more smoothly. In order to describe an unknown cylinder with arbitrary cross section more effectively during the course of searching, the closed cubic-spline expansion is adopted to represent the scatterer contour instead of the frequently used trigonometric series. The former is still used in the forward scattering part.
In order to explore the unknown dielectric cylinder in different environments, an electromagnetic pulse can be conducted to illuminate the cylinder, for which the scattered E fields can then be measured. The inverse problem is then resolved by an optimization approach. The idea is to perform the image reconstruction by utilization of some optimization scheme to minimize the discrepancy between the measured and calculated scattered field data. Three optimization schemes are tested and employed to search the parameter space to determine the shape, location and permittivity of the dielectric cylinder. They are the modified particle swarm optimization (MPSO), the dynamic differential evolution (DDE) and the non-uniform steady state genetic algorithm (NU-SSGA).

The suitability and efficiency of applying the above methods for microwave imaging of a 2D dielectric cylinder are examined in this dissertation. Numerical results show that even when the initial guesses are far away from the exact one, good reconstruction can be obtained by all these optimization methods. However, the DDE and MPSO outperform the NU-SSGA regarding the reconstruction accuracy and the convergent speed in terms of the number of the objective function calls.

中文摘要       III
英文摘要        IV
第一章  簡介	1
1.1 研究動機與相關文獻	1
1.2 本研究之貢獻	7
1.3 各章內容簡述	8
第二章	時域有限差分法	9
2.1 馬克斯威爾方程式	9
2.2 馬克斯威爾方程式於FDTD方法中差分離散實現	12
2.2.1 Yee單胞(Yee cell)的空間解析方法與蛙跳式(leap-frog)時間步進計算方法	12
2.2.2 FDTD更新方程式	14
2.3  數值色散現象與Courant穩定準則	15
2-4 吸收邊界條件(Absorbing Boundary Conditions)	17
2-5 次網格方法(subgrid FDTD)	18
第三章 改良式基因法則、動態差異型演化法與改良式粒子群聚法	22
3.1 基因演算法則(Genetic Algorithms)	22
3.1.1基因演算法則基本概念	22
3.1.2 基因演算法則中的運算方式	25
3.2 改良式基因法則: NU-SSGA	30
3.3 差異型演化法(Differential Evolution)	31
3.4 動態差異型演化法(Dynamic Differential Evolution)	39
3.5 粒子群聚最佳化法(Particle Swarm Optimization)	41
3.6 改良式粒子群聚最佳化法(Modified Particle Swarm Optimization)	47
3.7 三種改良式最佳化方法測試	50
第四章 自由空間中二維均勻介質柱體影像重建	63
4.1模擬環境與相關參數設定	63
4.1.1模擬環境配置與參數設定	63
4.1.2 散射體形狀描述方法	65
4.1.3 目標函數與最佳化方法搜尋參數	67
4.2散射體特性參數與目標函數靈敏度分析	68
4.2.1 圓形橫截面均勻介質柱體之散射體特性參數與目標函數靈敏度分析	69
4.2.2 花生形橫截面均勻介質柱體之散射體特性參數與目標函數靈敏度分析	72
4.2.3 三凹形橫截面均勻介質柱體之散射體特性參數與目標函數靈敏度分析	77
4.3最佳化方法重建自由空間中二維均勻介質柱體影像	83
4.3.1 以改良式粒子群聚法重建自由空間中二維均勻介質柱體	85
4.3.2 以動態差異型演化法重建自由空間中二維均勻介質柱體	95
第五章 埋藏於半空間中二維均勻介質柱體影像重建	119
5.1模擬環境與相關參數設定	119
5.1.1模擬環境配置與參數設定	119
5.1.2 散射體形狀描述方法	121
5.1.3 目標函數與最佳化方法搜尋參數	121
5.2散射體特性參數與目標函數靈敏度分析	122
5.2.1 埋藏於半空間中圓形橫截面均勻介質柱體之散射體特性參數與目標函數靈敏度分析	122
5.2.2 埋藏於半空間中花生形橫截面均勻介質柱體之散射體特性參數與目標函數靈敏度分析	127
5.2.3 埋藏於半空間中三凹形橫截面均勻介質柱體之散射體特性參數與目標函數靈敏度分析	133
5.3最佳化方法重建埋藏於半空間中二維均勻介質柱體影像	139
5.3.1 以改良式粒子群聚法重建半空間中二維均勻介質柱體	140
5.3.3 以改良式基因法則重建半空間中二維均勻介質柱體	166
5.3.4 最佳化方法重建半空間中二維均勻介質柱體收斂速度	179
第六章 埋藏於三層空間中二維均勻介質柱體影像重建	185
6.1模擬環境與相關參數設定	185
6.1.1模擬環境配置與參數設定	185
6.1.2 散射體形狀描述方法	187
6.1.3 目標函數與最佳化方法搜尋參數	187
6.2散射體特性參數與目標函數靈敏度分析	188
6.2.2 埋藏於三層空間中花生形橫截面均勻介質柱體之散射體特性參數與目標函數靈敏度分析	194
6.2.3 埋藏於三層空間中三凹形橫截面均勻介質柱體之散射體特性參數與目標函數靈敏度分析	199
6.3最佳化方法重建埋藏於三層空間中二維均勻介質柱體影像	204
6.3.1 以改良式粒子群聚法重建三層空間中二維均勻介質柱體	204
6.3.2 以動態差異型演化法重建三層空間中二維均勻介質柱體	216
6.3.4 最佳化方法重建三層空間中二維均勻介質柱體收斂速度	237
第七章 結論	242
參考文獻	244
Publication of C. H. Huang	256

 
圖目錄
圖2.1 FDTD中二維Yee單胞於TMz模態(左)與TEz模態(右)表示圖。	13
圖2.2 FDTD中電磁場計算時序圖。	13
圖2.3 次網格結構示意圖。	19
圖2.4 次網格與大網格的電磁場更新動作時序圖。	21
圖2.5 次網格方法流程圖。	21
圖3.1 基因法則流程圖。	24
圖3.2 單點交配示意圖。	27
圖3.3 Beta分佈的機率密度函數。	31
圖3.4 差異型演化法流程圖。	32
圖3.5 差異型進化法中突變方法一的示意圖。	34
圖3.6 差異型進化法中突變方法二的示意圖。	35
圖3.7 差異型進化法中突變方法三的示意圖。	36
圖3.8 差異型進化法中交配向量結構示意圖。	38
圖3.9 差異型進化法中的交配向量於一個二維目標函數等位線圖描述的示意圖。	38
圖3.10 動態差異型型演化策略法流程圖。	41
圖3.11 粒子群聚法流程圖。	43
圖3.12 粒子群聚法中於二維目標函數等位線圖。	44
圖3.13 二維問題中，三種不同邊界條件示意圖。 與 表示更新後的粒子位置與速度。	46
圖3.14 改良式粒子群聚法流程圖。	50
圖3.15 測試函數函數圖形	52
圖3.16 三種改良式最佳化方法於10-D測試函數收斂特性比較	55
圖3.17 三種改良式最佳化方法於20-D測試函數收斂特性比較	57
圖3.18 三種改良式最佳化方法於30-D測試函數收斂特性比較	60
圖4.1 自由空間中任意形狀均勻介質柱體模擬環境示意圖	63
圖4.2 入射電場波形與頻譜分佈。(a)入射電場時域波形，(b) 入射電場頻譜分佈。	64
圖4.3 三次仿樣函數描述任意形狀散射體示意圖	66
圖4.4 圓形均勻介質柱體橫截面示意圖。	69
圖4.5 自由空間中圓形均勻介質散射體特性與目標函數靈敏度分析圖	70
圖4.6 花生形均勻介質柱體橫截面示意圖	73
圖4.7 自由空間中花生形均勻介質散射體特性與目標函數靈敏度分析圖	75
圖4.8 三凹形均勻介質柱體橫截面示意圖	78
圖4.9 自由空間中三凹形均勻介質散射體特性與目標函數靈敏度分析圖	79
圖4.10 等弧長取得 示意圖	84
圖4.11 MPSO重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	86
圖4.12 MPSO重建例子一柱體的特性參數過程中目標函數隨代數變化圖。	86
圖4.13 MPSO重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	87
圖4.14 MPSO重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	89
圖4.15 MPSO重建例子二柱體的特性參數過程中目標函數隨代數變化圖。	89
圖4.16 MPSO重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	90
圖4.17 MPSO重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。	92
圖4.18 MPSO重建例子三柱體的特性參數過程中目標函數變化圖。	92
圖4.19 MPSO重建例子三柱體的特性參數過程中相對誤差變化趨勢圖。 (a)為原始尺寸，(b)為放大圖。	93
圖4.20 MPSO重建例子三柱體特性參數隨相對雜訊位準變化的情形。	94
圖4.21 DDE重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	96
圖4.22 DDE重建例子一柱體的特性參數過程中目標函數隨代數變化圖。	96
圖4.23 DDE重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	97
圖4.24 DDE重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	99
圖4.25 DDE重建例子二柱體的特性參數過程中目標函數隨代數變化圖。	99
圖4.26 DDE重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	100
圖4.27 DDE重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。	102
圖4.28 DDE重建例子三柱體的特性參數過程中目標函數變化圖。	102
圖4.29 DDE重建例子三柱體的特性參數過程中相對誤差變化趨勢圖。 (a)為原始尺寸，(b)為放大圖。	103
圖4.30 DDE重建例子三柱體特性參數隨相對雜訊位準變化的情形。	104
圖4.31 NU-SSGA重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	106
圖4.32 NU-SSGA重建例子一柱體的特性參數過程中目標函數變化圖。	106
圖4.33 NU-SSGA重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	107
圖4.34 NU-SSGA重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	109
圖4.35 NU-SSGA重建例子二柱體的特性參數過程中目標函數變化圖。	109
圖4.36 NU-SSGA重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	110
圖4.37 NU-SSGA重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。	112
圖4.38 NU-SSGA重建例子三柱體的特性參數過程中目標函數變化圖。	112
圖4.39 NU-SSGA重建例子三柱體的特性參數過程中相對誤差變化趨勢圖。 (a)為原始尺寸，(b)為放大圖。	113
圖4.40 NU-SSGA重建例子三柱體的特性參數隨相對雜訊位準變化的情形。	114
圖4.41 三種最佳化方法重建例子一柱體影像的目標函數與function calls比較。	116
圖4.42 三種最佳化方法重建例子二柱體影像的目標函數與function calls比較。	117
圖4.43 三種最佳化方法重建例子三柱體影像的目標函數與function calls比較。	117
圖5.1 埋藏於半空間中任意形狀均勻介質柱體模擬環境示意圖	119
圖5.2 入射電場波形與頻譜分佈。(a)入射電場時域波形，(b) 入射電場頻譜分佈。	120
圖5.3 圓形均勻介質柱體橫截面示意圖	123
圖5.4 半空間中圓形均勻介質散射體特性與目標函數靈敏度分析圖	124
圖5.5 花生形均勻介質柱體橫截面示意圖	128
圖5.6 半空間中花生形均勻介質散射體特性與目標函數靈敏度分析圖	129
圖5.7 三凹形均勻介質柱體橫截面示意圖	133
圖5.8 半空間中三凹形均勻介質散射體特性與目標函數靈敏度分析圖	135
圖5.9 MPSO重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	141
圖5.10 MPSO重建例子一柱體的特性參數過程中目標函數隨代數變化圖。	142
圖5.11 MPSO重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	143
圖5.12 MPSO重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	145
圖5.13 MPSO重建例子二柱體的特性參數過程中目標函數隨代數變化圖。	146
圖5.14 MPSO重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	147
圖5.15 MPSO重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	149
圖5.16 MPSO重建例子三柱體的特性參數過程中目標函數變化圖。	150
圖5.17 MPSO重建例子三柱體的特性參數過程中相對誤差變化趨勢圖。 (a)為原始尺寸，(b)為放大圖。	151
圖5.18 MPSO重建例子三柱體特性參數隨相對雜訊位準變化的情形。	152
圖5.19 DDE重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	154
圖5.20 DDE重建例子一柱體的特性參數過程中目標函數隨代數變化圖。	155
圖5.21 DDE重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	156
圖5.22 DDE重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	158
圖5.23 DDE重建例子二柱體的特性參數過程中目標函數隨代數變化圖。	159
圖5.24 DDE重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	160
圖5.25 DDE重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	162
圖5.26 DDE重建例子三柱體的特性參數過程中目標函數變化圖。	163
圖5.27 DDE重建例子三柱體的特性參數過程中相對誤差變化趨勢圖。 (a)為原始尺寸，(b)為放大圖。	164
圖5.28 DDE重建例子三柱體特性參數隨相對雜訊位準變化的情形。	165
圖5.29 NU-SSGA重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	167
圖5.30 NU-SSGA重建例子一柱體的特性參數過程中目標函數變化圖。	168
圖5.31 NU-SSGA重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	169
圖5.32 NU-SSGA重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	171
圖5.33 NU-SSGA重建例子二柱體的特性參數過程中目標函數變化圖。	172
圖5.34 NU-SSGA重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	173
圖5.35 NU-SSGA重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	175
圖5.36 NU-SSGA重建例子三柱體的特性參數過程中目標函數變化圖。	176
圖5.37 NU-SSGA重建例子三柱體的特性參數過程中相對誤差變化趨勢圖。 (a)為原始尺寸，(b)為放大圖。	177
圖5.38 NU-SSGA重建例子三柱體特性參數隨相對雜訊位準變化的情形。	178
圖5.39 三種最佳化方法重建例子一柱體影像的目標函數與function calls比較。	181
圖5.40 三種最佳化方法重建例子二柱體影像的目標函數與function calls比較。	181
圖5.41 三種最佳化方法重建例子三柱體影像的目標函數與function calls比較。	182
圖6.1 埋藏於三層空間中任意形狀均勻介質柱體模擬環境示意圖	185
圖6.2 入射電場波形與頻譜分佈。(a)入射電場時域波形，(b) 入射電場頻譜分佈。	186
圖6.3 圓形均勻介質柱體橫截面示意圖	189
圖6.4 三層空間中圓形均勻介質散射體特性與目標函數靈敏度分析圖	190
圖6.5 花生形均勻介質柱體橫截面示意圖	194
圖6.6 三層空間中花生形均勻介質散射體特性與目標函數靈敏度分析圖	195
圖6.7 三凹形均勻介質柱體橫截面示意圖	199
圖6.8 三層空間中三凹形均勻介質散射體特性與目標函數靈敏度分析圖	200
圖6.9 MPSO重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	206
圖6.10 MPSO重建例子一柱體的特性參數過程中目標函數隨代數變化圖。	207
圖6.11 MPSO重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	208
圖6.12 MPSO重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	210
圖6.13 MPSO重建例子二柱體的特性參數過程中目標函數隨代數變化圖。	210
圖6.14 MPSO重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	211
圖6.15 MPSO重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。	213
圖6.16 MPSO重建例子三柱體的特性參數過程中目標函數變化圖。	213
圖6.18 MPSO重建例子三柱體特性參數隨相對雜訊位準變化的情形。	215
圖6.19 DDE重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	217
圖6.20 DDE重建例子一柱體的特性參數過程中目標函數隨代數變化圖。	217
圖6.21 DDE重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	218
圖6.22 DDE重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。(a)為原始尺寸，(b)為放大圖。	220
圖6.23 DDE重建例子二柱體的特性參數過程中目標函數隨代數變化圖。	221
圖6.24 DDE重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	222
圖6.25 DDE重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。	224
圖6.26 DDE重建例子三柱體的特性參數過程中目標函數變化圖。	224
圖6.27 DDE重建例子三柱體的特性參數過程中相對誤差變化趨勢圖。 (a)為原始尺寸，(b)為放大圖。	225
圖6.29 NU-SSGA重建例子一柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	228
圖6.30 NU-SSGA重建例子一柱體的特性參數過程中目標函數變化圖。	228
圖6.31 NU-SSGA重建例子一柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	229
圖6.32 NU-SSGA重建例子二柱體形狀函數的情形，實線代表真正的形狀函數，其他類型的線條則代表不同的世代中所計算出的形狀函數。	231
圖6.33 NU-SSGA重建例子二柱體的特性參數過程中目標函數變化圖。	231
圖6.34 NU-SSGA重建例子二柱體的特性參數過程中相對誤差變化趨勢圖。(a)為原始尺寸，(b)為放大圖。	232
圖6.35 NU-SSGA重建例子三柱體形狀的情形，實線代表真正的形狀函數，其他線條類型代表不同的世代中所計算出的形狀函數。	234
圖6.36 NU-SSGA重建例子三柱體的特性參數過程中目標函數變化圖。	234
圖6.37 NU-SSGA重建例子三柱體的特性參數過程中相對誤差變化趨勢圖。 (a)為原始尺寸，(b)為放大圖。	235
圖6.38 NU-SSGA重建例子三柱體特性參數隨相對雜訊位準變化的情形。	236
圖6.39 三種最佳化方法重建例子一柱體影像的目標函數與function calls比較。	239
圖6.40 三種最佳化方法重建例子二柱體影像的目標函數與function calls比較。	239
圖6.41 三種最佳化方法重建例子三柱體影像的目標函數與function calls比較。	240

 
表目錄
表3.1 基因演算法相關名詞解釋與中英對照表	23
表3.2 測試函數(benchmark functions)表	51
表4.1 最佳化方法重建自由空間中均勻介質散射體相關錯誤率表	118
表5.1 最佳化方法重建半空間中均勻介質散射體影像相關錯誤率表	184
表6.1 最佳化方法重建三層空間中均勻介質散射體影像相關錯誤率表	241

[1]	F. Cakoni and D. Colton, “Open problems in the qualitative approach to inverse electromagnetic scattering theory,” European Journal of Applied Mathematics, pp. 1–15, 2004.
[2]	C.E. Baum, Detection and Identification of Visually Obscured Targets, Taylor and Francis, Philadelphia, Oct. 1998.
[3]	B. Borden, Radar Imaging of Airborne Targets, IOP Publishing, Bristol 1999.
[4]	X. Li, S. K. Davis, S. C. Hagness, D. W. van der Weide, and B. D. Van Veen, “Microwave imaging via space-time beamforming: Experimental investigation of tumor detection in multilayer breast phantoms,” IEEE Transactions on Microwave Theory and Techniques, vol. 52, no. 8, pp. 1856–1865, Aug. 2004.
[5]	Q. Fang, P. M. Meaney, and K. D. Paulsen, “Microwave imaging reconstruction of tissue property dispersion characteristics utilizing multiple-frequency information,” IEEE Transactions on Microwave Theory and Techniques., vol. 52, no. 8, pp. 1866–1875, Aug. 2004.
[6]	M. Bertero and P. Boccacci, Introduction to Inverse Problems in Imaging. Bristol, U.K.: IOP Publishing Ltd., 1998.
[7]	S. Caorsi, A. Massa, M. Pastorino, and A. Rosani, “Microwave medical imaging: Potentialities and limitations of a stochastic optimization technique,” IEEE Transactions on Microwave Theory and Techniques, vol. 52, no. 8, pp. 1908–1916, Aug. 2004.
[8]	A. G. Ramm, “Uniqueness result for inverse problem of geophysics: I,” Inverse Problems, vol. 6, pp. 635-641, Aug.1990.
[9]	V. Isakov, “Uniqueness and stability in multidimensional inverse problems,” Inverse Problems, vol. 9, pp. 579–621, 1993.
[10]	O. M. Bucci and T. Isernia, “Electromagnetic inverse scattering: Retrievable information and measurement strategies,” Radio Science, vol. 32, pp. 2123–2138, Nov.–Dec. 1997.
[11]	D. Colton and L. Paivarinta, “The uniqueness of a solution to an inverse scattering problem for electromagnetic waves,” Archive for Rational Mechanics and Analysis, vol. 119, pp. 59–70, 1992.
[12]	S. Caorsi, M. Donelli, D. Franceschini, and A. Massa, “A new methodology based on an iterative multiscaling for microwave imaging,” IEEE Transactions on Microwave Theory and Techniques, vol. 51, no. 4, pp. 1162-1173, Apr. 2003.
[13]	M. Bertero and E. R. Pike, Inverse Problems in Scattering and Imaging, ser. Adam Hilger Series on Biomedical Imaging. Bristol, MA: Inst. Phys., 1992.
[14]	A. Kirsch, An Introduction to the Mathematical Theory of Inverse Problems. New York: Springer-Verlag, 1996.
[15]	K. Belkebir, R. Kleinmann, and C. Pichot, “Microwave imaging-Location and shape reconstruction from multifrequency data,” IEEE Transactions on Microwave Theory and Techniques, vol. 45, pp. 469–475, April 1997.
[16]	O. M. Bucci, L. Crocco, T. Isernia, and V. Pascazio, “Inverse scattering problems with multifrequency data: Reconstruction capabilities and solution strategies,” IEEE Transactions on Geoscience and Remote Sensing, vol. 38, pp. 1749–1756, July 2000.
[17]	A. Baussard, “Inversion of multi-frequency experimental data using an adaptive multiscale approach,” Inverse Problems, vol. 21, pp. S15–S31, Dec. 2005.
[18]	T. H. Chu and D. B. Lin, “Microwave diversity imaging of perfectly conducting objects in the near-field region,” IEEE Transactions on Microwave Theory Tech., vol. 39, pp. 480-487, March 1991.
[19]	R. Car and C. R. Vogel, “Analysis of bounded variation penalty methods for ill-posed problems,” Inverse Problems, vol. 10, pp. 1217–1229, 1994.
[20]	Charbonnier P, Blanc-Feraud L, Aubert G, Barlaud M. “Deterministic edge-preserving regularization in  computed  imaging,”  IEEE Transactions on Image  Processing, vol. 6, pp. 298-311, Feb. 1997.
[21]	Sarkar, T.; Weiner, D.; Jain, V., “Some mathematical considerations in dealing with the inverse problem,” IEEE Transactions on Antenna and Propagation., vol. 29, pp. 373-379, March 1981.
[22]	Chaturvedi, P.; Plumb, R.G., “Electromagnetic imaging of underground targets using constrained optimization,” IEEE Transactions on Antennas and Propagation, vol. 33, pp. 551-561, May 1995.
[23]	Y. S. Chung, C. Cheon, and S. Y. Hahn, “Reconstruction of dielectric cylinders using FDTD and topology optimization technique,” IEEE Transactions on Magnetics, vol. 36, no. 4, July 2000.
[24]	M. Moghaddam, W. C. Chew, “Nonlinear two-dimensional velocity profile inversion using time domain data,” IEEE Transactions on Geoscience and Remote Sensing, , vol. 30 , no. 1 , Jan. 1992.
[25]	Wenhua Yu, Zhongqiu Peng and Lang Jen, “A fast convergent method in electromagnetic inverse scattering,” IEEE Transactions on Antennas and Propagation,  vol. 44, no. 11 , Nov. 1996.
[26]	Y. M. Wang and W. C. Chew, “An iterative solution of two-dimensional electromagnetic inverse scattering problem,” International Journal of Imaging Systems Technology, vol. 1, pp. 100-108, 1989.
[27]	O. S. Haddadin and E. S. Ebbini, “Imaging strongly scattering media using a multiple frequency distorted Born iterative method,” IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control, vol. 45, pp. 1485–1496, Nov. 1998.
[28]	Salvatore Caorsi, Antonio Costa, and Matteo Pastorino, “Microwave imaging within the second-order Born approximation: stochastic optimization by a genetic algorithm,” IEEE Transactions on Antennas and Propagation, vol. 49, no. 1, pp. 22-31, Jan. 2001.
[29]	R. M. Lewis, “Physical optics inverse diffraction,” IEEE Transactions on Antennas and Propagation, vol. 17, pp. 308-314, 1969.
[30]	N. N. Bojarski, “A survey of the physical optics inverse scattering identity,” IEEE Transactions on Antennas and Propagation, vol. 30, pp. 980-989, Sep. 1982.
[31]	J. B. Keller, “Accuracy and validity of Born and Rytov approximations,” Journal of the Optical Society of America, vol. 59, pp. 1003-1004, 1969.
[32]	K. P. Bube and R. Burridge, “The One-dimensional inverse problem of reflection seismology,” SIAM Review, vol. 25 no. 4, pp. 497-559, 1983.
[33]	J. Sylvester, “On the layer stripping approach to a 1-D inverse problem,” Inverse Problems in Wave Propagation, New York: Springer-Verlag, pp. 453-462, 1997.
[34]	J. Chang, Y. Wang, and R. Aronson, “Layer-stripping approach for recovery of scattering media from time-solved data,” in Inverse Problems in Scattering and Imaging, M. A. Fiddy, Ed. Bellingham, WA: SPIE, pp. 384-397, 1992.
[35]	F. Santosa and H. Schwetlick, “The inversion of acoustical impedance profile by methods of characteristics,” Wave Motion, vol. 4, pp. 99-1101, 1982.
[36]	T. M. Habashy, “A generalized Gel’fand-Levitan-Marchenko integral equation,” Inverse Problems, vol. 7, pp. 703-711, 1991.
[37]	R. F. Harrington, Field Computation by Moment Methods. New York, Macmillan, 1968.
[38]	H. Harada, D. J. Wall, T. Takenaka, M. Tanaka, “Conjugate gradient method applied to inverse scattering problem,” IEEE Transactions on Antennas and Propagation, vol. 43, no. 8, pp. 784-792, Aug. 1995.
[39]	S. Bonnard, P. Vincent, and M. Saillard, “Inverse obstacle scattering for homogeneous dielectric cylinders using a boundary finite-element method”, IEEE Transactions on Antennas and Propagation, vol. 48, no. 3, pp. 393-400, March 2000.
[40]	T. Takenaka, H. Jia, and T. Tanaka, “Microwave imaging of electrical property distributions by a forward-backward time-stepping method,” Journal of Electromagnetic Waves Application, vol. 14, pp. 1609–1625, 2000.
[41]	I.T. Rekanos, “Time-domain inverse scattering using Lagrange multipliers: an iterative FDTD-based optimization technique,” Journal of Electromagnetic Waves and Applications, vol. 17, no. 2, pp. 271-289, 2003.
[42]	S. Bonnard, P. Vincent and M. Saillard, “Cross-borehole inverse scattering using a boundary finite-element method”, Inverse Problems, vol. 14, pp. 521-534, 1998.
[43]	C. C. Chiu and Y. W. Kiang, “Microwave imaging of a Buried cylinder,” Inverse Problems, vol. 7, pp. 182-202, 1991.
[44]	A. Roger, “Newton-Kantorovitch algorithm applied to an electromagnetic inverse problem,” IEEE Transactions on Antennas and Propagation, vol. 29, pp. 232-238, March 1981.
[45]	C. C. Chiu and Y. W. Kiang, “Microwave imaging of multiple conducting cylinders,” IEEE Transactions on Antennas and Propagation, vol. 40, pp. 933-941, Aug. 1992.
[46]	F Hettlich, “Two methods for solving an inverse conductive scattering problem,” Inverse Problems, vol. 10, pp. 375-385, 1994.
[47]	A. Kirsch, R. Kress, P. Monk and A. Zinn, “Two methods for solving the inverse acoustic scattering problem,” Inverse Problems, vol. 4, pp.749-770, Aug. 1988.
[48]	S. Gutman and M. Klibanov, “Iterative method for multi-dimensional inverse scattering problems at fixed frequencies,” Inverse Problems, vol. 10, pp.573-599, Aug. 1984.
[49]	W. C. Chew and Y. M. Wang, “Reconstruction of two-dimensional permittivity distribution using the distorted Born iterative method,” IEEE Transactions on Medical Imaging, vol. 9, pp. 218-225, 1990.
[50]	W. C. Chew and G. P. Otto, “Microwave imaging of multiple conducting cylinders using local shape functions,” IEEE Microwave Guided Wave Letters, vol. 2, issue 7 pp. 284-286, July 1992.
[51]	W. H. Weedon and W. C. Chew, “Time-domain inverse scattering using the local shape function (LSF) method,” Inverse Problems, vol. 9, pp.551-564, Oct. 1993.
[52]	C. C. Chiu and W. T. Chen, "Electromagnetic imaging for an imperfectly conducting cylinder by the genetic algorithm," IEEE Transactions on Microwave Theory and Techniques, vol. 48, Nov. 2000.
[53]	S. Caorsi, A. Massa, and M. Pastorino, “A computational technique based on a real-coded genetic algorithm for microwave imaging purposes”, IEEE Transactions on Geoscience and Remote Sensing, vol. 38, no. 4, pp. 1697-1708, July 2000.
[54]	C. C. Chiu, C. L. Li and W. Chien, “Image reconstruction of a buried conductor by the genetic algorithm, ” IEICE Transaction on Electronics, vol. E84-C, no. 7, pp. 961-966, Dec. 2001.
[55]	X.-M. Zhong, C Liao and W. Chen, “Image reconstruction of arbitrary cross section conducting cylinder using UWB pulse,” Journal of Electromagnetic Waves Application,, vol. 21, no. 1, pp. 25-34, 2007.
[56]	C. H. Huang, C. C. Chiu, C. L. Li, and Y. H. Li, “Image reconstruction of the buried metallic cylinder using FDTD method and SSGA,” Progress In Electromagnetics Research, PIER 85, 195-210, 2008.
[57]	C. H. Huang, S. H. Chen, C. L Li and C. C. Chiu, “Time domain inverse scattering of an embedded cylinder with arbitrary shape using nearly resonant technique,” 2004 International Conference on Electromagnetic Applications and Compatibility, Taipei, Taiwan, Oct. 2004.
[58]	M. Donelli and A. Massa, ,”Computational approach based on a particle swarm optimizer for microwave imaging of two-dimensional dielectric scatterers,” IEEE Transactions on Microwave Theory and Techniques, vol. 53,  issue 5, pp. 1761 – 1776, May 2005
[59]	T. Huang and A. S. Mohan, ” Application of particle swarm optimization for microwave imaging of lossy dielectric objects,” IEEE Transaction on Antennas and Propagation, vol. 1B,  pp. 852 - 855 ,Dec. 2005.
[60]	M. Donelli and G. Franceschini, A. Martini, A. Massa,” An integrated multiscaling strategy based on a particle swarm algorithm for inverse scattering problemsm,” IEEE Transactions on Geoscience and Remote Sensing, vol. 44,  issue 2,  pp. 298 – 312, Feb. 2006
[61]	G. Franceschini, M. Donelli, R. Azaro and A. Massa,;” Inversion of phaseless total field data using a two-step strategy based on the iterative multiscaling approach,” IEEE Transactions on Geoscience and Remote Sensing. vol. 44, issue 12, pp. 3527 - 3539, Dec. 2006.
[62]	C. H. Huang, C. C. Chiu, C. L. Li, and K. C. Chen, “Time domain inverse scattering of a two-dimensional homogenous dielectric object with arbitrary shape by particle swarm optimization,” Progress In Electromagnetics Research, PIER 82, pp. 381-400, 2008.
[63]	A. Qing, “Electromagnetic inverse scattering of multiple two-dimensional perfectly conducting objects by the differential evolution strategy,” IEEE Transactions on Antennas and Propagations, vol. 51, Issue 6, pp. 1251-1262, June 2003.
[64]	A. Qing, “Electromagnetic inverse scattering of multiple perfectly conducting cylinders by differential evolution strategy with individuals in groups (GDES),” IEEE Transactions on. Antennas and Propagations, vol. 52, issue 5, pp. 1223-1229, May 2004.
[65]	A. Qing, “Dynamic differential evolution strategy and applications in electromagnetic inverse scattering problems,” IEEE Transactions on Geoscience and Remote Sensing, vol 44, issue 1, pp.116 - 125, Jan. 2006.
[66]	D. Cherubini, A. Fanni, A. Montisci and P. Testoni, “Inversion of MLP neural networks for direct solution of inverse problems,” IEEE Transactions on Magnetics, vol. 41, issue 5, pp. 1784-1787, May 2005.
[67]	A. K. Hamid and M. Alsunaidi, “Inverse scattering by dielectric circular cylindrical scatterers using a neural network approach,” 1997 IEEE international symposium Antennas Propagation, Montreal, QC, Canada, pp. 2278-2281. July 1997, 
[68]	F. C. Morabito, A. Formisano and R. Martone, “Wavelet tools for improving the accuracy of neural network solution of electromagnetic inverse problems,” IEEE Transactions on Magnetics, vol. 34, pp. 2968-2971, May 1998.
[69]	T. Melamed, E. Heyman and L. B. Felsen, “Local spectral analysis of short-pulse excited scattering from weakly inhomogeneous media. II. inverse scattering”, IEEE Transactions on Antennas and Propagation, vol. 47, no. 7, July 1999.
[70]	S. Gutmant and M. Klibanov, “Three-dimensional inhomogeneous media imaging,” Inverse Problems, vol. 10, pp. 39-49, Aug. 1994.
[71]	A. Taflove and S. Hagness, “Computational Electrodynamics: The Finite-Difference Time-Domain Method,” Artech House, Boston, MA, 2000.
[72]	J. P. Benerger, “A perfectly matched layer for the absorption of electromagnetic waves,”Journal of Computational Physics, vol. 114, pp 185-200, 1994.
[73]	 Z. S Sacks, D. M. Kingsland, R. Lee, and J. F. Lee, “A perfectly matched anisotropic absorber for use as absorbing boundary condition,” IEEE Transactions on Antennas and Propagation, vol. 43, pp 1460- 1463, Dec. 1995.
[74]	C.  L. Li, C. W. Liu and S. H. Chen, “Optimization of a PML absorber's conductivity profile using FDTD,” Microwave and Optical Technology Letters, vol. 37 no. 5, pp. 69-73 , June 2003.
[75]	M. W. Chevalier, R. J.Luebbers and V. P. Cable, “FDTD local grid with materical traverse,” IEEE Transactions on Antennas and Propagation, vol. 45, no. 3, March 1997.
[76]	J. Michael Johnson and Yahya Rahmat Samii, “Genetic Algorithms in Engineering Electromagntics,” IEEE Antennas and Propagation Magazine, vol. 39, no. 4, Aug. 1997.
[77]	C. L. Li and S. H. Chen, C. M. Yang, and C. C. Chiu, “Image reconstruction for a partially immersed perfectly conducing cylinder using the steady-state genetic algorithm,” Radio Science, vol. 39, no. 2, April 2004.
[78]	R. Storn and K. Price, “Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Space,” Journal of Global Optimization, vol. 11, pp. 341-359, 1997.
[79]	M. Clerc, J. Kennedy, “The particle swarm-explosion, stability, and convergence in a multidimensional complex space,” IEEE Transactions on Evolutionary Computation, vol. 6, issue 1. pp. 58~73, 2002
[80]	A. Carlisle and G. Dozier, “An off-the-shelf PSO,” Proc. of the Workshop on Particle Swarm Optimization, Indianapolis, April 2001.
[81]	T. Huang and A. S. Mohan, “A hybrid boundary condition for robust particle swarm optimization,” IEEE Antennas and Wireless Propagation Letters, vol. 4, pp. 112-117, 2005.
[82]	X. Yao, Y. Liu and G. Lin, “Evolutionary Programing Made Faster,” IEEE Transacations on Evolutionary Computation, vol. 3, pp. 82-102, July 1999.
[83]	K. Veeramachaneni, T. Peram, C. Mohan, L. A. Osadciw, “Optimization Using Particle Swarms with Near Neighbor Interactions,” Proceedings of Genetic and Evolutionary Computation conference (GECCO 2003) ,” vol. 2723, pp. 110-121, 2003.
[84]	C. de Boor, A Practical Guide to Splines, Springer-Verlag, New York, 1978.