OTIMIZACAO DE GANHO E DIRETIVIDADE DE ARRANJOS DE ANTENAS YAGI-UDA PARA REDES 5G UTILIZANDO OS ALGORITMOS PSO E ES
Antena Yagi-Uda. Arranjo de Antenas. Otimização de Ganho e Diretividade. Algoritmo de Otimização. Otimização por Enxame de Partículas. Estratégia de Evolução.
Este trabalho investiga e compara a eficácia dos algoritmos meta-heurísticos conhecidos por Otimização por Enxame de Partículas (PSO - Particle Swarm Optimization) e Estratégia Evolutiva (ES - Evolution Strategy) na otimização de arranjos de antenas Yagi-Uda para aplicações em redes 5G. O estudo se concentra em configurações específicas de duas e três antenas Yagi-Uda paralelas, cada uma com cinco elementos, projetadas para operar na frequência de 2,3 gigahertz. O objetivo principal é maximizar o ganho da antena e configurar o padrão de radiação para permitir capacidades avançadas de direcionamento de feixe (beam steering).
A metodologia inclui a modelagem dos arranjos de antenas e a integração dos algoritmos PSO e ES, programados em linguagem Python, com o software de simulação eletromagnética Ansys HFSS. Uma função objetivo foi definida para minimizar o erro angular entre a direção real e a desejada do lóbulo principal, bem como a diferença quadrática média em relação a um padrão de radiação gaussiano ideal. Os resultados demonstraram que ambos os algoritmos são eficazes na personalização dos diagramas de radiação, alcançando com sucesso o direcionamento do lóbulo principal e a maximização do ganho em direções específicas para ambas as configurações de arranjos, e simultaneamente na redução da distribuição de energia de radiação dos lóbulos secundários.
A análise comparativa revelou características de desempenho distintas, dentre as quais: o ES exibiu uma convergência inicial mais rápida, sendo vantajoso quando a velocidade de solução é crucial. O PSO demonstrou maior estabilidade e robustez no ajuste fino das soluções, com valores superiores de ganho máximo, indicando maior capacidade de exploração completa do espaço de busca e convergência para ótimos globais mais adequados. As descobertas enfatizam as forças complementares desses algoritmos, fornecendo insights valiosos para a seleção da técnica de otimização mais apropriada com base nas prioridades de projeto, seja velocidade de convergência ou qualidade final da solução, contribuindo significativamente para o avanço das redes sem fio de alto desempenho para 5G.