A Multi-Objective Antenna Optimization Method Based on Dual Network-Assisted Differential Evolution with Surface Current-Driven Strategy

doi:10.1109/lawp.2026.3732744

A Multi-Objective Antenna Optimization Method Based on Dual Network-Assisted Differential Evolution with Surface Current-Driven Strategy

2026-09-09

0

PRE

AI

DOI：10.1109/lawp.2026.3732744

原文链接

原文求助

摘要

En 中文

基于双网络辅助差分进化（DNADE）的多目标优化方法被提出，旨在提升混合变量天线优化的效率。在所提出的DNADE中，将一种新颖的表面电流驱动的物理引导搜索策略和两个神经网络整合到差分进化（DE）算法中。具体而言，进化神经网络（ENN）被用作进化器，以学习有效的DE搜索模式并产生更高质量的候选解。同时，基于具有贝叶斯最后一层（MLP-BLL）的多层感知器的在线代理模型作为评估器，从而减少昂贵电磁（EM）仿真的次数。DNADE的有效性通过设计一款高性能偶极天线得到验证，该天线具有超过30 dB的隔离度、大于8 dBi的实现了增益，以及在工作频段2.10–3.85 GHz内小于1 dB的增益平坦度。与其他优化方法相比，DNADE能够通过更少的EM仿真实现目标设计。

Keyword:

Multi-objective

antenna optimization

neural network

differential evolution (DE)

surrogate model

A Multi-Objective Antenna Optimization Method Based on Dual Network-Assisted Differential Evolution with Surface Current-Driven Strategy

摘要

期刊

机构

引用论文