بهینه سازی آنتن آرایه ای پراکنده با استفاده از روش عامل -منتقد با تکرار تجربه
Publish place: The 7th National Conference on New Technologies in Electrical, Computer and Mechanical Engineering of Iran
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 33
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
STCONF07_328
تاریخ نمایه سازی: 20 مرداد 1403
Abstract:
آنتن های آرایه ای پراکنده بسیار مورد توجه هستند چراکه این نوع آنتن ها با تعداد المان کمتر به همان نتایج دلخواه در حالت آرایه کامل می رسند. در این مقاله با استفاده از یادگیری تقویتی و روش عامل - منتقد با تکرار تجربه برخی از عناصر را حذف می شوند و در نتیجه آنتن آرایه ای با نتایج مطلوب ولی با وزن و هزینه کمتری در حالت آرایه پیشنهاد می شود. معادله دستیابی به پرتو تشعشعی بهینه شده است و استفاده از این روش نسبت به سایر روش ها در بهینه سازی مزیت یادگیری دارد و می تواند مشکلات مربوط به انتقالها و پاداشهای تصادفی را بدون نیاز به سازگاری حل کند. و همچنین دارای تکرار کمتر و سرعت بالاتری است . در نتایج به دست آمده تا حدود ۳۰ درصد المان ها در شبیه سازی کاهش یافته است و مقایسه پاسخ ها با روش دیگر بهینه سازی ارائه شده است .
Keywords:
Authors
سجاد محمدعلی نژاد
دانشیار دانشکدگان علوم و فناوری های میان رشته ای، دانشگاه تهران،
محمدحسن قاسم
دانشجوی کارشناسی ارشد مهندسی کنترل دانشگاه قم