[논문 리뷰] 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 Ohamouddou외 2명|arXiv (Cornell University)|2026. 01. 24.

Antenna Design and Analysis인용 수 0

한 줄 요약

본 논문은 CSRR 로딩이 있는 삼대역 마이크로스트립 패치 안테나 설계를 위해 다섯 가지 다목적 GA 변형(PGA, NSGA-I/II/III, SPEA)을 비교하고, 가중합(weighted-sum)으로 단일 목표로 변환한 뒤 CST/MATLAB 통합으로 검증한다.

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.

연구 동기 및 목표

• 삼대역 운전을 위한 다목적 유전 알고리즘으로 안테나 설계 및 최적화를 자동화한다.
• S11을 최소화하면서 2.4, 3.6, 5.2 GHz에서 공진을 달성한다.
• 접지면에 CSRR을 포함하고 위치와 크기를 최적화한다.
• 다양성, 엘리티즘, 수렴의 트레이드오프를 식별하기 위해 MOGA 변형을 비교한다.

제안 방법

• PGA, NSGA-I, NSGA-II, NSGA-III, 및 SPEA의 다섯 가지 MOGA 변형을 구현하여 CSRR 로딩된 마이크로스트립 안테나를 최적화한다.
• 다중 목표 최적화를 제약 조건 처리와 함께 가중합 스칼라화로 단일 목표로 변환한다.
• API를 통해 MATLAB과 CST Microwave Studio를 통합하여 자동화된 파라메트릭 EM 시뮬레이션을 수행한다.
• 2.4, 3.6, 5.2 GHz에서 S11을 평가하고 CSRR 기하를 최적화하여 S11 < -10 dB를 달성한다.
• 다양성, 엘리티즘, 자원 측면에서 알고리즘 변형에 대한 비교 분석을 제공한다.
• 스칼라화와 제약 보정을 통해 물리적으로 구현 가능한 CSRR 설계로 탐색을 유도하는 방법을 시연한다.

실험 결과

연구 질문

• RQ1 어떤 MOGA 변형이 세 가지 주파수를 가장 균형 있게 다루면서 S11을 -10 dB 미만으로 유지할 수 있는가?
• RQ2 엘리티즘, 니칭(niching), 참조점 메커니즘이 삼대역 CSRR-로딩 안테나의 다양성과 수렴성에 어떤 영향을 미치는가?
• RQ3 단일 가중합 목표가 이 안테나 설계 문제의 파레토 프런트 탐색보다 성능이 우수한가?
• RQ4 비교 연구에서 도출된 CSRR 위치 선정 및 크기에 대한 실무적 설계 가이드라인은 무엇인가?

주요 결과

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

• Scalarization with constraint handling achieved S11 values of -21.56 dB (2.4 GHz), -16.60 dB (3.6 GHz), and -27.69 dB (5.2 GHz) with corresponding gains of 1.96, 2.6, and 3.99 dBi.
• The CST/MATLAB integrated workflow enabled automatic parametric optimization of CSRR rings in the ground plane.
• NSGA variants provided Pareto fronts while PGA offered lower computational cost with trade-offs in detail.
• NSGA-II/NSGA-III/SPEA demonstrated diversity preservation and elitism, with varying convergence behavior.
• The weighted-sum scalarization approach directly targeted minimizing the sum of |S11| across bands, yielding physically realizable designs.