Ant Hill殖民优化算法（AHCOA）下的线性天线阵列最佳图案合成
摘要：基于蚁群形成的自然启发的层次性部门互动的AHCOA算法在电磁和天线领域具有高概率解决非约束和约束优化问题的潜力。本文将AHCOA应用于线性天线阵列，以实现更好的模式合成，具体方式包括均匀激励和等间距布置天线元素。利用AHCOA算法获得最小副瓣水平的天线阵列模式，并与其他基于自然启发算法（如蚁狮优化算法）的结果进行比较，结果显示AHCOA取得了显著改进。
作者：Sunit Shantanu Digamber Fulari
论文ID：2207.04046
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-11-30