Resumen

Este trabajo presenta tres de los principales algoritmos evolutivos: Algoritmo Genético, Estrategia Evolutiva y ProgramaciónEvolutiva, aplicados al diseño de antenas de microlíneas (microstrip). Se realizaron pruebas de eficiencia de los algoritmos,considerando el análisis de los parámetros físicos y geométricos, tipo de evolución, efecto de generación de númerosaleatorios, operadores evolutivos y los criterios de selección. Estos algoritmos fueron validados a través del diseño de antenasde microlíneas basado en el Método de Cavidades Resonantes y permiten optimizaciones multiobjetivo, considerandoancho de banda, razón de onda estacionaria y permitividad relativa del dieléctrico. Los resultados óptimos obtenidos fueronconfirmados a través del software comercial CST Microwave Studio.

INTRODUCCIÓN

Los algoritmos inspirados en la naturaleza han atraído la atención en muchas áreas del conocimiento. En este campo de la computación, los sistemas de inspiración biológica (evolutiva) son los más antiguos y, quizás, los más populares [1]. Son muy adecuados para problemas con altas no linealidades y varios parámetros.

Estos algoritmos han mostrado resultados claramente notables en optimizaciones numéricas en electromagnetismo computacional, como la mejora del ancho de banda [2-3], lo que permite su aplicación extensiva en sistemas de comunicación de RF y microondas [4-5]. También se han reportado otras aplicaciones en fotónica, como la optimización y el análisis de nuevos efectos y dispositivos fotónicos [6-7].

Este trabajo se ha centrado en el diseño de Antenas Microstrip (MSAs), con optimizaciones en enfoques mono y multiobjetivo. La convergencia y el rendimiento [8-11] son parámetros importantes de los algoritmos a comparar.

Las MSAs surgieron de la idea de utilizar la tecnología de circuitos impresos no sólo para los componentes del circuito y las líneas de transmisión, sino también para los elementos radiantes de un circuito electrónico. Además de la compatibilidad con la tecnología de circuitos integrados, las antenas microstrip ofrecen otras ventajas, como sus pequeñas dimensiones, su bajo peso y coste, y su fácil conformación a varios tipos de superficies [12]. Este tipo de antena tiene muchos parámetros a optimizar, lo que podría caracterizar un problema de optimización multiobjetivo.

Para llevar a cabo estas mejoras, se eligieron tres de los principales Algoritmos Evolutivos (EAs) para ser analizados en este trabajo: Algoritmos Genéticos (AG), Programación Evolutiva (PE) y Estrategias Evolutivas (EE). Se implementaron para resolver el problema de diseño del MSA con enfoques de optimización mono y multiobjetivo.

• Materias:Algoritmo de evolución Algoritmo genético Evolución Ingeniería de software
• Subjects:Evolutionary algorithm Genetic algorithm Evolution Software engineering
• Palabras claves:Antenas Microstrip, electromagnetismo computacional, algoritmos evolutivos, optimización multiobjetivo, simulación computacional.
• Keywords:Microstrip antennas, computational electromagnetism, evolutionary algorithms, multiobjective optimization, computing simulation.