Aceleración del algoritmo multipolar rápido de múltiples niveles utilizando agrupamiento k-means
Autores: Yun, Dal-jae; Jung, Haewon; Kang, Hoon; Yang, Woo-Yong; Seo, Dong-Wook
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Aceleración del algoritmo multipolar rápido de múltiples niveles utilizando agrupamiento k-means
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Algoritmo
Agrupamiento k-means
Análisis de dispersión electromagnética
Algoritmo multipolo rápido de múltiples niveles
Solucionador iterativo
Cálculos de función de transferencia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 48
Citaciones: Sin citaciones
Se presenta el algoritmo multipolo rápido de múltiples niveles (MLFMA) que utiliza el agrupamiento K-means para acelerar el análisis de dispersión electromagnética para objetivos complejos grandes. Al reemplazar el agrupamiento de cubos regulares con el agrupamiento K-means, el teorema de adición se aproxima de manera más precisa. La tasa de convergencia de un solucionador iterativo se mejora significativamente. Sin embargo, las ubicaciones irregulares de los centroides como resultado del agrupamiento K-means aumentan la cantidad de cálculos de funciones de transferencia explícitas, en comparación con los cubos regulares. En el MLFMA, se aplica una estructura jerárquica de múltiples niveles al método multipolo finito (FMM) para reducir los cálculos de funciones de transferencia. Por lo tanto, el MLFMA es adecuado para aplicar el agrupamiento K-means. Los resultados de simulación con objetivos canónicos y realistas muestran una mejora en el tiempo de cálculo del algoritmo propuesto.
Descripción
Se presenta el algoritmo multipolo rápido de múltiples niveles (MLFMA) que utiliza el agrupamiento K-means para acelerar el análisis de dispersión electromagnética para objetivos complejos grandes. Al reemplazar el agrupamiento de cubos regulares con el agrupamiento K-means, el teorema de adición se aproxima de manera más precisa. La tasa de convergencia de un solucionador iterativo se mejora significativamente. Sin embargo, las ubicaciones irregulares de los centroides como resultado del agrupamiento K-means aumentan la cantidad de cálculos de funciones de transferencia explícitas, en comparación con los cubos regulares. En el MLFMA, se aplica una estructura jerárquica de múltiples niveles al método multipolo finito (FMM) para reducir los cálculos de funciones de transferencia. Por lo tanto, el MLFMA es adecuado para aplicar el agrupamiento K-means. Los resultados de simulación con objetivos canónicos y realistas muestran una mejora en el tiempo de cálculo del algoritmo propuesto.