ترکیب الگوریتم ژنتیک و روش پایین‌ترین دره برای بهبود شکل پرتو در آنتن‌های آرایه‌ای با چرخش الکترونیکی پرتو

مسئله شکل‌دهی پرتو در آنتن‌های آرایه‌ای غیرفعال به دلیل قابل مشاهده نبودن سیگنال در هر آرایه و متعاقب آن در دسترس نبودن ماتریس کواریانس، با شکل‌دهی متداول پرتو متفاوت است. این مسئله که با دانستن قسمتی از سیگنال مورد نظر برای گیرنده به یک مسئله بهینه سازی تبدیل می‌شود، اغلب با به کارگیری دو دسته روش‌های دقیق و روش‌های غیردقیق حل می‌شود. روش‌های دقیق که مشهورترین آن‌ها روش پایین‌ترین دره است، در مواجهه با کمینه محلی با مشکل مواجه می‌شوند و روش‌های غیردقیق که پرکاربردترین آن‌ها الگوریتم ژنتیک است به بهترین جواب نمی‌رسند. در این مقاله با ترکیب دو روش ژنتیک و پایین‌ترین دره از توانایی هر کدام برای رفع عیب دیگری استفاده می‌کنیم و در نهایت به مینیمم عمومی با دقت کافی می‌رسیم همچنین کاهش تعداد تکرار مورد نیاز برای دستیابی به این پاسخ مزیت دیگر این روش پیشنهادی است. جواب نهایی در 500 با اجرای روش پایین ترین دره 1.5873e+08است که در مقایسه با 1.38374e6 که جواب نهایی در 500 با اجرای الگوریتم ژنتیک است تقریباً 10 برابر می‌باشد اما الگوریتم ژنتیک برای همگرایی به زمان بیشتری نیاز دارد.

Combining of genetic algorithm and steepest decent method for improving of beamforming in electronically steerable passive array radiator (ESPAR)

Beamforming in passive array antenna is different from a common form due to lack of visible signals in each array, and the subsequent of that cause of lack of covariance matrix. This problem which becomes an optimization problem for receiver by knowing the part of desired signal, often by using two sets of accurate and inaccurate methods can be solved. Accurate methods which the most famous of them is steepest decent method in face of local minimum have difficulties and inaccurate methods that are the most common used of them is genetic algorithms that can’t reach to the best solution. In this paper with combining two methods of genetic and steepest decent method, we use the ability of each ones to eliminate faults of another ones. And finally we can reach to basic minimum. Also decrease the number of desire repetition for achieving to this replication is another advantages of this recommended method.