[論文レビュー] Constrained Multi-Objective Genetic Algorithm Variants for Design and Optimization of Tri-Band Microstrip Patch Antenna loaded CSRR for IoT Applications: A Comparative Case Study

Moahmed Hamza Boulaich, Said Ohamouddou+2 more|arXiv (Cornell University)|Jan 24, 2026

Antenna Design and Analysis被引用数 0

ひとこと要約

この論文は、CSRRロード付き三帯域のマイクロストリップパッチアンテナ設計のために、PGA、NSGA-I/II/III、SPEAの5つの多目的GA（MOGA）バリアントを比較し、重み付き和による単一目的へ変換し、CST/MATLAB統合で検証している。

ABSTRACT

This paper presents an automated antenna design and optimization framework employing multi-objective genetic algorithms (MOGAs) to investigate various evolutionary optimization approaches, with a primary emphasis on multi-band frequency optimization. Five MOGA variants were implemented and compared: the Pareto genetic algorithm (PGA), non-dominated sorting genetic algorithm with niching (NSGA-I), non-dominated sorting genetic algorithm with elitism (NSGA-II), non-dominated sorting genetic algorithm using reference points (NSGA-III), and strength Pareto evolutionary algorithm (SPEA). These algorithms are employed to design and optimize microstrip patch antennas loaded with complementary split-ring resonators (CSRRs). A weighted-sum scalarization approach was adopted within a single-objective genetic algorithm framework enhanced with domain-specific constraint handling mechanisms. The optimization addresses the conflicting objectives of minimizing the return loss ($S_{11} < -10$~dB) and achieving multi-band resonance at 2.4~GHz, 3.6~GHz, and 5.2~GHz. The proposed method delivers a superior overall performance by aggregating these objectives into a unified fitness function encompassing $S_{11}$(2.4~GHz), $S_{11}$(3.6~GHz), and $S_{11}$(5.2~GHz). This approach effectively balances all three frequency bands simultaneously, rather than exploring trade-off solutions typical of traditional multi-objective approaches. The antenna was printed on a Rogers RT5880 substrate with a dielectric constant of 2.2 , loss tangent of 0.0009 , and thickness of 1.57~mm . Scalarization approach achieved return loss values of $-21.56$~dB, $-16.60$~dB, and $-27.69$~dB, with corresponding gains of 1.96~dBi, 2.6~dB, and 3.99~dBi at 2.4~GHz, 3.6~GHz, and 5.2~GHz, respectively.

研究の動機と目的

• 三帯域動作の自動化されたアンテナ設計と最適化を行う。
• 2.4、3.6、および5.2 GHzでの共振を達成しつつ戻り損失（S11）を最小化する。
• グランドプレーン上のCSRRを組み込み、それらの位置と寸法を最適化する。
• 多様性、エリート主義、収束のトレードオフを特定するためにMOGAバリアントを比較する。

提案手法

• PGA、NSGA-I、NSGA-II、NSGA-III、SPEAの5つのMOGAバリアントを実装してCSRR-loadedマイクロストリップアンテナを最適化する。
• 制約処理を備えた重み付き和スカラー化を用いて多目的最適化を単一目的へ変換する。
• 自動パラメトリックEMシミュレーションのためにAPI経由でMATLABとCST Microwave Studioを統合する。
• 2.4、3.6、5.2 GHzでS11を評価し、CSRR幾何を最適化してS11 < -10 dBを達成する。
• アルゴリズムバリアントの多様性、エリート主義、リソースの観点から比較分析を提供する。
• スカラー化と制約修復を用いて物理的に実現可能なCSRR設計へ探索を導くことを示す。

実験結果

リサーチクエスチョン

• RQ1 どのMOGAバリアントが3つの目標周波数のバランスを最も効果的に取りつつS11を-10 dB未満に保てるか。
• RQ2 エリート主義、ニシング、参照点機構が三帯域CSRR搭載アンテナの多様性と収束にどのように影響するか。
• RQ3 単一の重み付き和目的がこのアンテナ設計問題のパレート前面探索を上回ることができるか。
• RQ4 比較研究から導出されるCSRRの配置とサイズに関する実用設計指針は何か。

主な発見

Algorithm	Fitness	Elitism	Niching	External archive	Advantage	Disadvantage
PGA	Rank based on level of Pareto dominance	NO	NO	NO	Low computational cost	Method details lacking; limited quantitative results
NSGA-I	Pareto rank + sharing	NO	YES	NO	Fast convergence with diversity	Niching parameter tuning; potential scalability limits
NSGA-II	Pareto rank + crowding distance	YES	NO	NO	Fast convergence; good diversity	Requires parameter tuning; validation sometimes simulation-only
NSGA-III	Pareto rank + reference point	YES	NO	NO	Reduced computational cost; better high-dimensional diversity	Risk of local minima; performance depends on simulator
SPEA	Strength-based with external archive	YES	NO	YES	Good Pareto approximation; archive preserves solutions	Higher computational cost; parameter tuning needed

• スカラー化と制約処理により、2.4 GHzでS11 = -21.56 dB、3.6 GHzでS11 = -16.60 dB、5.2 GHzでS11 = -27.69 dBを達成し、それぞれの利得は1.96、2.6、3.99 dBiであった。
• CST/MATLAB統合ワークフローにより、グランドプレーン上のCSRRリングの自動的なパラメトリック最適化が可能となった。
• NSGAバリアントはパレートフロントを提供し、PGAは計算コストを抑える一方でディテールにトレードオフがある。
• NSGA-II/NSGA-III/SPEAは多様性の保持とエリート主義を示し、収束挙動は異なる。
• 重み付き和スカラー化アプローチはBand全体の|S11|の和を直接最小化することを狙い、物理的に実現可能な設計を生み出した。