Questa tesi di dottorato è attinente a problematiche di ottimizzazione nel campo dell’elettromagnetismo applicato. In particolare, sono state oggetto di studio due tecniche stocastiche basate su principi evoluzionistici: gli Algoritmi Genetici ed il Particle Swarm Optimization. La prima è stata applicata per l’ottimizzazione di superfici con particolari proprietà elettromagnetiche atte a migliorare le prestazioni di comuni elementi radianti. La seconda tecnica è stata implementata per risolvere un problema di modellizazione equivalente, nell’ambito di applicazioni spaziali. In particolare, l’obiettivo é quello di caratterizzaere e predire le proprietà magnetostatiche di satelliti mediante un modello a dipoli magnetici equivalente.
Advanced Optimization Techniques in Electromagnetics: Antennas and Space Applications
2010
Abstract
Questa tesi di dottorato è attinente a problematiche di ottimizzazione nel campo dell’elettromagnetismo applicato. In particolare, sono state oggetto di studio due tecniche stocastiche basate su principi evoluzionistici: gli Algoritmi Genetici ed il Particle Swarm Optimization. La prima è stata applicata per l’ottimizzazione di superfici con particolari proprietà elettromagnetiche atte a migliorare le prestazioni di comuni elementi radianti. La seconda tecnica è stata implementata per risolvere un problema di modellizazione equivalente, nell’ambito di applicazioni spaziali. In particolare, l’obiettivo é quello di caratterizzaere e predire le proprietà magnetostatiche di satelliti mediante un modello a dipoli magnetici equivalente.File | Dimensione | Formato | |
---|---|---|---|
PhDThesis.pdf
embargo fino al 01/06/2050
Tipologia:
Altro materiale allegato
Dimensione
8.84 MB
Formato
Adobe PDF
|
8.84 MB | Adobe PDF | |
Frontespizio.pdf
embargo fino al 01/06/2050
Tipologia:
Altro materiale allegato
Dimensione
186.43 kB
Formato
Adobe PDF
|
186.43 kB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14242/150938
URN:NBN:IT:UNIPI-150938