In diesem Bericht werden erste Ergebnisse zu einem genetischen Algorithmus vorgestellt, der 3D-Geometrien entwickelt. Diese frühe Studie ist ein Proof of Concept, bei dem ein Algorithmus vorgestellt wird, der sich zu einer vordefinierten Zielform entwickelt, mit dem endgültigen Ziel, optimierte 3D-Antennengeometrien zu entwerfen. Der in dieser Arbeit vorgestellte Algorithmus baut Strukturen auf, indem er Bausteine aus verschiedenen geometrischen Primitiven kombiniert, wobei die Eignung eines Entwurfs anhand der Ähnlichkeit mit der Zielform gemessen wird. Es werden mehrere Techniken zum Vergleich von 3D-Formen untersucht und im Zusammenhang mit einem Fitness-Score für evolutionäre Algorithmen verglichen. Der entworfene Algorithmus war in der Lage, unter Verwendung einer Vielzahl von Fitnessfunktionen schnell zu bikonischen und Dipol-Antennenformen zu evolvieren. Eine komplexere logarithmisch-periodische Antennenform wurde mit Hilfe einer gerichteten Fitnessfunktion entwickelt, die die Komponentenformen vergleicht. Die Entwicklung dieses Algorithmus ist ein Vorläufer für die Einbeziehung komplexerer Fitnessfunktionen, die Designs aufbauen, um die Sensibilität für wissenschaftliche Ergebnisse zu verbessern. Künftige Verbesserungen des Algorithmus und die Schritte, die erforderlich sind, um Entwürfe mit verbesserter Empfindlichkeit zu erreichen, werden im Zusammenhang mit Antennen erörtert, könnten aber auch auf andere Anwendungen angewendet werden.
Julie Rolla, Bryan Reynolds, Jacob Weiler, Amy Connolly, Ryan Debolt, Alex Machtay, Ben Sipe, und Dylan Wells. Entwurf von 3D-Antennengeometrien mit Hilfe genetischer Algorithmen. The Interplanetary Network Progress Report, Band 42-234, S. 1-26, 15. August 2023. https://ipnpr.jpl.nasa.gov/progress_report/42-234/42-234A.pdf
