Solicitar archivos de proyectos
Este ejemplo utiliza un plugin de la librería XTend de XFdtd para realizar una Optimización por Enjambre de Partículas (PSO) de una antena de parche rectangular. La antena de parche se eligió como ejemplo sencillo para demostrar la eficacia del plugin PSO. El algoritmo está configurado para optimizar el rendimiento de 3 GHz a 3,2 GHz.
PSO es una técnica de optimización global inspirada en el comportamiento de los enjambres de peces, pájaros o insectos. Las partículas que componen un enjambre se distribuyen por un espacio de soluciones de N dimensiones. A continuación tiene lugar un proceso evolutivo en el que cada partícula evalúa la idoneidad de su ubicación actual y se desplaza a una nueva ubicación en función del mejor resultado obtenido por esa partícula en particular y del mejor resultado obtenido por el enjambre en su conjunto. A lo largo de varias generaciones, se explora el espacio de soluciones y se alcanza una solución óptima.
La función de aptitud para esta optimización en particular simplemente evalúa la pérdida de retorno lineal de la antena en la banda de interés y establece el nivel de aptitud en la peor pérdida de retorno encontrada. Una ventaja de este enfoque es que el rendimiento mínimo en banda se conoce en cada generación. El usuario puede controlar el valor de aptitud actual y terminar si se alcanza el nivel deseado.
Este estudio incorpora tres variables que se detallan en la figura 1. Se permite que estos parámetros varíen de acuerdo con la Tabla 1. Obsérvese que el desplazamiento de la alimentación, x, depende de la longitud, L, del parche. Un sistema de restricciones dinámico garantiza que x nunca supere la mitad del valor actual de L a medida que avanza la optimización. Se utilizó un dieléctrico de 3 mm de espesor con una permitividad relativa de 2,2 para el sustrato, y el plano de tierra finito cubría toda la cara inferior del sustrato.
Figura 1: Esquema del parche rectangular.
Cuadro 1
XStream, la implementación de FDTD acelerada por CUDA de XFdtd, es fundamental para la ejecución puntual de la PSO. Cada partícula genera una nueva simulación XFdtd para cada generación sucesiva. Estas simulaciones se distribuyen entre las GPU con CUDA disponibles en el sistema. El sistema concreto utilizado aquí contiene seis NVIDIA Tesla C2070. La PSO asigna una simulación a cada GPU, lo que permite resolver seis simulaciones simultáneamente. Para maximizar la utilidad de las GPU, el número de partículas se elige de forma que sea un múltiplo entero del número de GPU. Para esta optimización se eligieron 12 partículas y 200 generaciones.
Las doce simulaciones de cada generación se completaron en un tiempo total medio de 36 segundos. La convergencia del enjambre hacia la solución óptima puede observarse en la figura 2. En este caso concreto, el nivel de aptitud desciende hasta aproximadamente 0,5 en la duodécima generación. En este caso concreto, el nivel de aptitud desciende hasta aproximadamente 0,5 en la duodécima generación. El valor de aptitud representa el peor de los casos de pérdida de retorno lineal, por lo que podría terminar el optimizador en ese punto si nuestro verdadero objetivo es simplemente una antena con no peor que -6 dB de pérdida de retorno en nuestra banda de interés. Terminar el proceso en este punto produciría una antena aceptable después de unos 16,5 minutos.
Figura 2: Convergencia del enjambre en la respuesta óptima.
La figura 3 muestra la progresión de la optimización examinando la pérdida de retorno alcanzada en varios puntos de hito, incluida la solución óptima final. Los parámetros de esta solución se enumeran en la Tabla 2.
Figura 3: Instantánea de la pérdida de retorno de la antena de parche en varios puntos de hito.
