В. Ф. Лось1, И. О. Порохов2, А. Г. Гудков3, И.А. Сидоров4
1 АО «Концерн «Вега» (Москва, Россия)
2 Российский университет дружбы народов (Москва, Россия)
3, 4 МГТУ им. Н.Э. Баумана (Москва, Россия)
3 ООО «НПИ ФИРМА «ГИПЕРИОН» (Москва, Россия)

1 mail@vega.su

Постановка проблемы. Эволюционные алгоритмы (ЭА) оказались жизнеспособным средством решения насущных проблем глобальной оптимизации. Доказательством этому служит тот факт, что, несмотря на их появление еще в 1960-х годах, большое число проблем по разработке антенн в литературе последних годов решено с использованием различных вариантов ЭА. Поэтому краткий обзор новых вариантов ЭА и практических соображений, стимулирующих их разработку, представляется актуальным.

Цель. Привести описание структуры и свойств различных вариантов ЭА, разработанных применительно к проблемам синтеза характеристик излучения антенн, и дать краткий обзор опубликованных за последние два десятилетия методов оптимизации и их модификаций для решения задач антенной техники.

Результаты. Представлен обзор развитых в последнее время ЭА применительно к задачам разработки антенн и распространения радиоволн. Основное внимание уделено характеристикам алгоритмов, способствующих получению оптимальных решений при более экономных, по сравнению с разработанными ранее методами оптимизации, требованиях к ресурсам вычислительных устройств.

Практическая значимость. Приведенные сведения и результаты могут помочь специалистам в области электродинамики в разработке более эффективных методов решения задач синтеза антенных устройств.

Лось В.Ф., Порохов И.О., Гудков А.Г., Сидоров И.А. Методы оптимизации характеристик антенных элементов и решеток, имитирующие стайное поведение и эволюцию живых существ в природе // Антенны. 2024. № 4. С. 50–66. DOI: https://doi.org/ 10.18127/j03209601-202404-06

1. Лось В.Ф., Порохов И.О., Агасиева С.В., Гудков Г.А. Перспективы миниатюризации размеров электрически малых антенн в условиях ограничений на полосы рабочих частот // Электромагнитные волны и электронные системы. 2023. Т. 28. № 4. С. 57–78. DOI: https://doi.org/10.18127/j15604128-202304-06.
2. Wolpert D.H., Macready W.G. No free lunch theorems for optimization // IEEE Transactions on Evolutionary Computation. 1997. V 1. № 1. P. 67–82. DOI: 10.1109/4235.585893.
3. Ho Y., Pepyne D. Simple explanation of the no-free-lunch theorem and its implications // Journal of Optimization Theory and Applications. 2002. V. 115. P.549–570. DOI: https://doi.org/10.1023/A:1021251113462.
4. Rocca P., Oliveri G., Massa A. Differential evolution as applied to electromagnetic // IEEE Antennas and Propagation Magazine. 2011. V. 53. № 1. P. 38–49. DOI: 10.1109/MAP.2011.5773566.
5. Goudos S.K., Kalialakis Ch., Mittra R. Evolutionary algorithms applied to antennas and propagation: a review of state of the art // International Journal of Antennas and Propagation. 2016. V. 2016. P. 1–12. DOI: 10.1155/2016/1010459.
6. Yeo B.-K., Lu Y. Array failure correction with a genetic algorithm // IEEE Transactions on Antennas and Propagation. 1999. V. 47. № 5. P. 823–828. DOI: 10.1109/8.774136.
7. Yang S., Gan Y.B., Tan P.K. Design of a uniform amplitude time modulated linear array with optimized time sequences // IEEE Transactions on Antennas and Propagation. 2005. V. 53. № 7. P. 2337–2339. DOI: 10.1109/TAP.2005.850765.
8. Haupt R.L. Antenna design with a mixed integer genetic algorithm // IEEE Transactions on Antennas and Propagation. 2007. V. 55. № 3. P. 577–582. DOI: 10.1109/TAP.2007.891510.
9. Zhu X., Shao W., Li J.-L., Dong Y.-L. Design and optimization of low RCS patch antennas based on a genetic algorithm // Progress in Electromagnetics Research. 2012. V. 122. P. 327–339. DOI: 10.2528/PIER11100703.
10. Fu X., Chen X., Hou Q., Yin Y. An improved chaos genetic algorithm for T-shaped MIMO radar antenna array optimization // International Journal of Antennas and Propagation. 2014. V. 2014. DOI: https://doi.org/10.1155/2014/631820.
11. Jayasinghe J.M.J.W., Anguera J., Uduwawala D., Andujar A. Nonuniform overlapping method in designing microstrip patch antennas using genetic algorithm optimization // International Journal of Antennas and Propagation. 2015. V. 2015. DOI: 10.1155/2015/805820.
12. Clerc M. The swarm and the queen: towards a deterministic and adaptive particle swarm optimization // Proceedings of the 1999 Congress on Evolutionary Computation (CEC-99). Washington, D.C. 1999. V. 3. P. 1951–1957. DOI: 10.1109/CEC.1999.785513.
13. Jin N., Rahmat-Samii Y. Parallel particle swarm optimization and finite-difference time-domain (PSO/FDTD) algorithm for multiband and wideband patch antenna design // IEEE Transactions on Antennas and Propagation. 2005. V. 53. № 11. P. 3459–3468. DOI: 10.1109/TAP.2005.858842.
14. Afshinmanesh F., Marandi A., Shahabadi M. Design of a dual-band dual-polarized printed microstrip antenna using a boolean particle swarm optimization // IEEE Transactions on Antennas and Propagation. 2008. V. 56. № 7. P. 1845–1852. DOI: 10.1109/TAP.2008. 924684.
15. Panduro M., Brizuela C.A., Balderas L.I. A comparison of genetic algorithms, particle swarm optimization and the differential evolution method for the design of scannable circular antenna arrays // Progress in Electromagnetics Research B. 2009. V. 13. P. 171–186. DOI: 10.2528/PIERB09011308.
16. Törn Ali M. Population set-based global optimization algorithms: Some modifications and numerical studies // Computers and Operations Research. 2004. V. 31. P. 1703–1725. DOI: 10.1016/S0305-0548(03)00116-3.
17. Chakraborty U.K. Advances in differential evolution. Berlin: Springer. 2008.
18. Qing A. Differential evolution. Fundamentals and applications in electrical engineering. Singapure: Wiley IEEE – Press. 2009.
19. Qing A. Dynamic differential evolution strategy and applications in electromagnetic inverse scattering problem // IEEE Transactions on Geoscience and Remote Sensing. 2006. V. 44. № 1. P. 116–125. DOI: 10.1109/TGRS.2005.859347.
20. Chen Y., Yang S., Nie Z. The application of a modified differential evolution strategy to some array pattern synthesis problem // IEEE Transactions on Antennas and Propagation. 2008. V. 56. № 7. P. 1919–1927. DOI: 10.1109/TAP.2008.924713.
21. Mirjalili S., Mirjalili S.M., Lewis A. Grey wolf optimizer // Advances in Engineering Software. 2014. V. 69. P. 46–61. DOI: 10.1016/j.advengsoft.2013.12.007.
22. Faris H., Aljarah I., Azmi M., Al-Betar M.A., Mirjalili S. Grey wolf optimizer: a review of recent variants and applications // Neural Computing and Applications. 2018. V. 30. № 2. P. 413–435. DOI: https://doi.org/10.1007/s00521-017-3272.
23. Saxena P., Kothari A. Optimal pattern synthesis of linear antenna array using grey wolf optimization algorithm // International Journal of Antennas and Propagation. 2016. P. 1–11. DOI: https://doi.org/10.1155/2016/1205970.
24. Pappula L., Ghosh D. Linear antenna array synthesis using cat swarm optimization // AEU – International Journal of Electronics and Communications. 2014. V. 68. № 6. P. 540–549. DOI: 10.1016/j.aeue.2013.12.012.
25. Rajo-Iglesias E., Quevedo-Teruel O. Linear array synthesis using ant-colony-optimization-based algorithm // IEEE Antennas and Propagation Magazine. 2007. V. 49. № 2. P. 70–79. DOI: 10.1109/MAP.2007.376644.
26. Singh U., Kumar H., Kamal T.S. Linear array synthesis using biogeography based optimization // Progress in Electromagnetics Research M. 2010. V. 11. P. 25–36. DOI: 10.2528/PIERM09120201.
27. Li Y., Lin X., Liu J. An improved grey wolf optimization algorithm to solve engineering problems // Sustainability. 2021. V. 13. № 6. DOI: 10.3390/su13063208.