플래너 안테나 배열 설계에서 쿠쿠 탐색 알고리즘의 우수성

초록

본 논문은 메타휴리스틱 최적화 기법인 쿠쿠 탐색 알고리즘(CSA)을 이용해 평면 안테나 배열의 배열 요소 배치와 위상·진폭을 최적화한다. 설계 목표는 고이득·고지향성 확보, 측면 엽(SLL) 억제, 효율 향상 등이며, 기존의 유전 알고리즘(GA), 입자 군집 최적화(PSO) 등과 비교해 수렴 속도와 최종 성능에서 우수함을 입증한다.

상세 분석

쿠쿠 탐색 알고리즘은 자연계의 기생 새인 쿠쿠의 알 낳기 행동을 모사한 확률적 전역 탐색 기법으로, 레비 플라이트(Levy flight)를 이용한 대규모 탐색과 파레토 최적화를 결합한다. 논문에서는 이 알고리즘을 평면 안테나 배열 설계에 적용하기 위해 먼저 설계 변수(요소 간 거리, 각 요소의 위상 및 진폭)를 정의하고, 목적 함수는 주파수 대역 내 최대 이득·지향성, 최소 측면 엽 레벨(SLL), 그리고 전체 효율을 가중합 형태로 구성한다. 제약 조건으로는 배열 크기 제한, 상호 간섭 최소화, 그리고 물리적 구현 가능성을 반영한다.

알고리즘 파라미터는 탐색 단계에서 사용되는 레비 플라이트의 스케일 파라미터 α와 지수 β, 그리고 알 교체 확률 pa를 실험적으로 튜닝하였다. 초기 군집은 무작위로 생성하되, 기존 설계(예: 균일 간격, 동일 위상)에서 파생된 후보를 일부 포함시켜 초기 해의 품질을 보강한다. 각 반복(iteration)마다 새 후보 해는 레비 플라이트에 의해 생성되고, 기존 해와 비교해 우수한 경우 교체한다. 또한, pa에 따라 일정 비율의 열악한 해를 무작위 새 해로 교체함으로써 지역 최적에 빠지는 현상을 방지한다.

성능 평가에서는 동일한 초기 조건과 연산 자원을 가정하고, GA, PSO, 인공벌레 군집(ABC) 등 3가지 대표적인 자연 영감 알고리즘과 비교 실험을 수행하였다. 결과는 다음과 같다. 첫째, CSA는 평균 15 % 정도 더 낮은 SLL(−28 dB vs. −24 dB)을 달성했으며, 이는 측면 엽 억제에 크게 기여한다. 둘째, 최대 이득은 2.3 dBi 상승했으며, 지향성 지수(D) 역시 0.93 수준으로 가장 높은 값을 기록했다. 셋째, 수렴 곡선을 보면 CSA는 200 iteration 내에 목표 함수값의 95 %에 도달했지만, GA와 PSO는 각각 350·400 iteration이 필요했다. 이는 레비 플라이트 기반의 탐색이 전역 탐색 능력을 효과적으로 유지하면서도 빠른 지역 탐색을 가능하게 함을 시사한다.

또한, 계산 복잡도 측면에서 CSA는 각 iteration당 O(N) 연산(여기서 N은 군집 크기)만을 수행하므로, 전체 실행 시간은 GA 대비 약 30 % 단축되었다. 논문은 이러한 효율성 향상이 실제 안테나 설계 단계에서 시뮬레이션·프로토타입 제작 비용을 절감할 수 있음을 강조한다. 마지막으로, 파라미터 민감도 분석을 통해 pa가 0.25 ~ 0.35 구간에서 가장 안정적인 성능을 보였으며, 레비 플라이트의 β 값이 1.5일 때 탐색 폭과 수렴 속도 사이의 최적 균형을 찾을 수 있음을 보고한다.

이와 같이 본 연구는 CSA가 전통적인 메타휴리스틱보다 전역 탐색 능력과 수렴 효율성에서 모두 우수함을 실증적으로 입증했으며, 특히 평면 안테나 배열과 같이 다변량 비선형 최적화 문제가 많은 분야에 적용 가능함을 제시한다.