專利名稱：獲得人工電磁材料的幾何參數(shù)的方法、裝置以及制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及超材料技術(shù)領(lǐng)域，特別是涉及ー種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法、裝置以及人工電磁材料的制作方法。
背景技術(shù)：
超材料是當(dāng)前世界范圍內(nèi)前沿交叉學(xué)科研究領(lǐng)域，有廣闊的應(yīng)用市場(chǎng)前景，而電磁材料是其中的ー種有特殊用途的超材料。超材料的基本単元包括人造微結(jié)構(gòu)以及該人造微結(jié)構(gòu)附著的基材，単元結(jié)構(gòu)也即人造微結(jié)構(gòu)的最優(yōu)化設(shè)計(jì)是人工電磁材料研究和設(shè)計(jì)中的關(guān)鍵環(huán)節(jié)，也是目前國際上ー個(gè)亟需解決的難題。目前對(duì)單元結(jié)構(gòu)的設(shè)計(jì)尚停留在憑經(jīng)驗(yàn)、憑手工調(diào)節(jié)階段，無法保證設(shè)計(jì)精度，阻礙了人工電磁材料的大規(guī)模設(shè)計(jì)和產(chǎn)業(yè)化應(yīng)用。現(xiàn)有技術(shù)中設(shè)計(jì)超材料的流程如圖I所示，包括步驟SlOl :通過手動(dòng)逐一改變單元結(jié)構(gòu)的幾何參數(shù)；步驟S102 :通過電磁仿真軟件或測(cè)量設(shè)備測(cè)試特定頻率的電磁波通過該結(jié)構(gòu)體后的電磁響應(yīng)；步驟S103 :將所測(cè)電磁響應(yīng)參數(shù)值與期望電磁響應(yīng)參數(shù)值進(jìn)行對(duì)比；步驟S104 :判斷所測(cè)電磁響應(yīng)參數(shù)值與期望電磁響應(yīng)參數(shù)值是否接近；若所測(cè)電磁響應(yīng)參數(shù)值與期望電磁響應(yīng)參數(shù)值之間的差別小于等于閾值，則調(diào)整結(jié)束，若所測(cè)電磁響應(yīng)參數(shù)值與期望電磁響應(yīng)參數(shù)值之間的差別大于閾值，則繼續(xù)調(diào)整單元結(jié)構(gòu)體的屬性參數(shù)，直至找到與期望響應(yīng)值最為接近的單元結(jié)構(gòu)體為止。
由圖I可看出調(diào)整單元結(jié)構(gòu)幾何參數(shù)是ー項(xiàng)非常耗時(shí)的工作，為了達(dá)到超材料的設(shè)計(jì)要求，需要對(duì)海量的単元結(jié)構(gòu)幾何參數(shù)進(jìn)行調(diào)整優(yōu)化，其工作量十分巨大。

發(fā)明內(nèi)容
本發(fā)明主要解決的技術(shù)問題是提供一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法、裝置以及人工電磁材料的制作方法，能夠用計(jì)算機(jī)實(shí)現(xiàn)快速查找多目標(biāo)最優(yōu)單元結(jié)構(gòu)幾何參數(shù),極大地提高超材料開發(fā)的效率。為解決上述技術(shù)問題，本發(fā)明采用的一個(gè)技術(shù)方案是提供一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法，包括輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值；利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)即為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)；輸出所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)。其中，所述輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)的步驟之前，包括建立包括所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，所述建立包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)的步驟包括對(duì)于姆個(gè)所述電磁響應(yīng)參數(shù)，分別建立姆個(gè)所述電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)；將所述每個(gè)電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)相乘，即為所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)。其中，所述利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括利用粒子群優(yōu)化算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。其中，所述利用粒子群優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)単元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中均勻采樣K次,得到K個(gè)初始幾何參數(shù)樣本，其中，K為自
然數(shù)，所述K個(gè)初始幾何參數(shù)樣本即為初始化的粒子群對(duì)每個(gè)所述初始化的
粒子群中的粒子gk(l，設(shè)定初始化的粒子速度Vktl ;計(jì)算姆個(gè)所述粒子gM對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk，其中，I < k < K ;根據(jù)所述計(jì)算出的每個(gè)所述粒子gk(l對(duì)應(yīng)的適應(yīng)度值fk，找到所述計(jì)算出的最大的適應(yīng)度值fBest，根據(jù)所述計(jì)算出的最大的適應(yīng)度值fBest，找到與所述最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gk(l值，所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gk0值用gb表示；根據(jù)所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gb值，用第一方程更新每個(gè)粒子的粒子速度Vk，其中，所述第一方程是Vk = C0X Vko+Ci X rand X (pbk_gk) +C2 X rand X (gb_gk),其中，C(l、Cl以及C2是三個(gè)常數(shù)，rand為介于O和I之間的均勻分布的隨機(jī)數(shù)，pbk代表迭代搜索過程中第k個(gè)粒子樣本搜索過程中找到的局部最優(yōu)點(diǎn)；根據(jù)所述更新后的每個(gè)粒子的粒子速度vk，用第二方程來更新每個(gè)粒子的位置gk，其中，所述第二方程是gk =gk0+vk ;更新每個(gè)所述粒子的位置gk后，檢測(cè)是否滿足搜索終止條件，若滿足所述搜索終止條件，則所述粒子gb即為所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)gBest，并終止搜索過程，否則，用所述第一方程更新的每個(gè)粒子的粒子速度Vk代替vk。，用所述第二方程更新的每個(gè)粒子的位置gk代替gM，并返回所述計(jì)算每個(gè)粒子gM對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk的步驟繼續(xù)迭代搜索。其中，所述利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括利用蒙特卡洛采樣算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。其中，所述利用蒙特卡洛采樣算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括定義所述電磁材料単元結(jié)構(gòu)幾何參數(shù)函數(shù)為非規(guī)整化后驗(yàn)概率密度函數(shù)，將所述非規(guī)整化后驗(yàn)概率密度函數(shù)的概率分布視為所述蒙特卡洛采樣算法的目標(biāo)分布；用所述蒙特卡洛采樣算法從所述目標(biāo)分布中抽取隨機(jī)樣本；根據(jù)所述目標(biāo)分布中抽取的隨機(jī)樣本的電磁材料単元結(jié)構(gòu)幾何參數(shù)值，計(jì)算所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值；根據(jù)計(jì)算出的所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度值，找到所述計(jì)算出的最大的適應(yīng)度值，根據(jù)所述計(jì)算出的最大的適應(yīng)度值，找到與所述最大的適應(yīng)度值對(duì)應(yīng)的電磁材料単元結(jié)構(gòu)幾何參數(shù)值，所述與最大的適應(yīng)度值對(duì)應(yīng)的電磁材料単元結(jié)構(gòu)幾何參數(shù)值即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。其中，所述蒙特卡洛采樣算法包括馬爾科夫鏈蒙特卡洛方法、重要性采樣方法以及 Metropolis 算法。其中，所述Metropolis算法的步驟包括選取對(duì)稱分布函數(shù)q作為所述目標(biāo)分布函數(shù)，即q( Λ χ) = q(- Λ χ)，從所述目標(biāo)分布函數(shù)q中抽取K個(gè)隨機(jī)樣本，其中，Δ χ為從所述目標(biāo)分布函數(shù)q中抽取的隨機(jī)樣本點(diǎn)，K為自然數(shù)；在所述單元結(jié)構(gòu)的幾何參數(shù)域進(jìn)行ー次均勻采樣，得到初始樣本點(diǎn)go，并進(jìn)行K次迭代操作，其中，第k次迭代中執(zhí)行的操作是構(gòu)建新的樣本點(diǎn)g*，使g* = gn+Δχ,記所述電磁材料單元結(jié)構(gòu)幾何參數(shù)函數(shù)為y (g),根據(jù)所述樣本點(diǎn)g*以及gk-i計(jì)算比值r，其中，r = y (g*)/y U，如果所述比值r彡1，則接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，如果所述比值r < 1，則以r的概率接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，以l_r的概率設(shè)置gk = gH，其中，k表示迭代次數(shù)，l^k^K ;在進(jìn)行所述K次迭代操作后，比較K個(gè)樣本點(diǎn)對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值，找出對(duì)應(yīng)的最大適應(yīng)度值的樣本點(diǎn)gBest，所述樣本點(diǎn)gBest即為所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。為解決上述技術(shù)問題，本發(fā)明采用的另ー個(gè)技術(shù)方案是提供ー種人工電磁材料的制作方法，包括輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值；利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)単元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)即為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)；以所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)為電磁材料單元結(jié)構(gòu)的制作參數(shù)，將原材料制成人エ電磁材料。為解決上述技術(shù)問題，本發(fā)明采用的又一個(gè)技術(shù)方案是提供一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置，所述裝置包括適應(yīng)度函數(shù)輸入模塊，用于輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值；最優(yōu)幾何參數(shù)獲得模塊，用于利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)即為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)；最優(yōu)幾何參數(shù)輸出模塊，用于輸出所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)。其中，所述裝置還包括適應(yīng)度函數(shù)建立模塊，所述適應(yīng)度函數(shù)建立模塊用于建立包括所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，包括單目標(biāo)適應(yīng)度函數(shù)単元，用于對(duì)每個(gè)所述電磁響應(yīng)參數(shù)，分別建立姆個(gè)所述電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)；多目標(biāo)適應(yīng)度函數(shù)単元，用于將所述每個(gè)電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)相乘，即為所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)。其中，所述最優(yōu)幾何參數(shù)獲得模塊包括粒子群優(yōu)化單元，所述粒子群優(yōu)化單元具體用于利用粒子群優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。其中,所述粒子群優(yōu)化單元包括初始化單元,用于在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中均勻采樣K次,得到K個(gè)初始幾何參數(shù)樣本“た。&=1，其中，K為自然數(shù),所述K個(gè)初始幾何參數(shù)樣本“為初始化的粒子群，對(duì)每個(gè)所述初始化的粒子群{もバ^中
的粒子gk(!，設(shè)定初始化的粒子速度Vm ;第一計(jì)算單元，用于計(jì)算姆個(gè)所述粒子gk(l對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk，其中，I < k < K ;第一查找單元，用于根據(jù)所述計(jì)算出的每個(gè)所述粒子gk(^i應(yīng)的適應(yīng)度值fk，找到所述計(jì)算出的最大的適應(yīng)度值fBest，根據(jù)所述計(jì)算出的最大的適應(yīng)度值fBest，找到與所述最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gK(l值，所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子&(1值用gb表示；粒子速度更新単元，用于根據(jù)所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gb值，用第一方程更新每個(gè)粒子的粒子速度Vk，其中，所述第一方程是vk = C0X VktT^c1 X rand X (pbk_gk) +C2 X rand X (gb_gk),其中，c0, C1以及C2是三個(gè)常數(shù)，rand為介于O和I之間的均勻分布的隨機(jī)數(shù)，Pbk代表迭代搜索過程中第k個(gè)粒子樣本搜索過程中找到的局部最優(yōu)點(diǎn)；粒子位置更新單元，用于根據(jù)所述更新后的每個(gè)粒子的粒子速度Vk，用第二方程來更新每個(gè)粒子的位置gk， 其中，所述第二方程是gk = gk0+vk ;終止條件檢測(cè)單元，用于在更新每個(gè)所述粒子的位置gk后，檢測(cè)是否滿足搜索終止條件，若滿足所述搜索終止條件，則所述粒子gb即為所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)gBest，并終止搜索過程，否則，用所述第一方程更新的每個(gè)粒子的粒子速度Vk代替vM，用所述第二方程更新的每個(gè)粒子的位置gk代替gM，并返回所述計(jì)算每個(gè)粒子gM對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk的步驟繼續(xù)迭代搜索。其中，所述最優(yōu)幾何參數(shù)獲得模塊包括蒙特卡洛単元，所述蒙特卡洛單元具體用于利用蒙特卡洛采樣算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。其中,所述蒙特卡洛單元包括定義單元,用于定義所述電磁材料單元結(jié)構(gòu)幾何參數(shù)函數(shù)為非規(guī)整化后驗(yàn)概率密度函數(shù)，將所述非規(guī)整化后驗(yàn)概率密度函數(shù)的概率分布視為所述蒙特卡洛采樣算法的目標(biāo)分布；第一抽樣單元，用于用所述蒙特卡洛采樣算法從所述目標(biāo)分布中抽取隨機(jī)樣本；第二計(jì)算單元，用于根據(jù)所述目標(biāo)分布中抽取的隨機(jī)樣本的電磁材料單元結(jié)構(gòu)幾何參數(shù)值，計(jì)算所述姆個(gè)電磁材料單元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值；第二查找單元，用于根據(jù)計(jì)算出的所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度值，找到所述計(jì)算出的最大的適應(yīng)度值，根據(jù)所述計(jì)算出的最大的適應(yīng)度值，找到與所述最大的適應(yīng)度值對(duì)應(yīng)的電磁材料単元結(jié)構(gòu)幾何參數(shù)值，所述與最大的適應(yīng)度值對(duì)應(yīng)的電磁材料單元結(jié)構(gòu)幾何參數(shù)值即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。其中，所述蒙特卡洛單元還包括Metropolis單元,所述Metropolis單元包括第ニ抽樣單元，用于選取對(duì)稱分布函數(shù)q作為所述目標(biāo)分布函數(shù)，即q ( Λ χ) = q (- Λ χ)，從所述目標(biāo)分布函數(shù)q中抽取K個(gè)隨機(jī)樣本，其中，Ax為從所述目標(biāo)分布函數(shù)q中抽取的隨機(jī)樣本點(diǎn)，K為自然數(shù)；迭代單元，用于在所述單元結(jié)構(gòu)的幾何參數(shù)域進(jìn)行一次均勻采樣，得到初始樣本點(diǎn)go，并進(jìn)行K次迭代操作，其中，第k次迭代中執(zhí)行的操作是構(gòu)建新的樣本點(diǎn)g*，使g* = gk-i+ Δ χ,記所述電磁材料單元結(jié)構(gòu)幾何參數(shù)函數(shù)為y (g),根據(jù)所述樣本點(diǎn)g*以及gk-i計(jì)算比值r，其中，r = y (g*)/y U ,如果所述比值r彡I，則接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，如果所述比值!" < 1，則以r的概率接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，以l_r的概率設(shè)置gk = I1，其中，k表示迭代次數(shù)，I彡k彡K ;最優(yōu)幾何參數(shù)獲得単元，用于在進(jìn)行所述K次迭代操作后，比較K個(gè)樣本點(diǎn)い^^對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值，找出對(duì)應(yīng)的最大適應(yīng)度值的樣本點(diǎn)gBest，所述樣本點(diǎn)gBest即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。本發(fā)明的有益效果是區(qū)別于現(xiàn)有技術(shù)的情況，本發(fā)明建立包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)単元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，也即多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，則多個(gè)電磁響應(yīng)參數(shù)滿足全局最優(yōu)，此時(shí)的単元結(jié)構(gòu)幾何參數(shù)就是最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，通過這種方式，能夠用計(jì)算機(jī)實(shí)現(xiàn)快速查找多目標(biāo)最優(yōu)単元結(jié)構(gòu)幾何參 數(shù)，極大的提聞了超材料開發(fā)的效率。


圖I是現(xiàn)有技術(shù)中設(shè)計(jì)超材料的流程圖；圖2是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法第一實(shí)施例的流程圖；圖3是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法第二實(shí)施例的流程圖；圖4是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法第三實(shí)施例的流程圖；圖5是本發(fā)明ー種人工電磁材料的制作方法一實(shí)施例的流程圖；圖6是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置第一實(shí)施例的結(jié)構(gòu)不意圖；圖7是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置第二實(shí)施例的結(jié)構(gòu)不意圖；圖8是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置第三實(shí)施例的結(jié)構(gòu)不意圖；圖9是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置第四實(shí)施例的結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說明。如圖2所示，圖2是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法第一實(shí)施例的流程圖，包括步驟S201 :輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值；適應(yīng)度函數(shù)也就是目標(biāo)函數(shù)，最早是在遺傳算法中用來區(qū)分種群中個(gè)體好壞優(yōu)劣的標(biāo)準(zhǔn)，個(gè)體的適應(yīng)度值高，則個(gè)體被選擇的概率高，反之就低。適應(yīng)度函數(shù)的選取非常重要，直接影響算法的收斂性以及是否能找到最優(yōu)解。因此，建立適應(yīng)度函數(shù)的一般要求是(I)單值、連續(xù)、非負(fù)、最大化；(2)合理、一致性，也即適應(yīng)度函數(shù)必須能反映出對(duì)應(yīng)個(gè)體對(duì)條件適應(yīng)的優(yōu)劣程度；(3)計(jì)算量小，即適應(yīng)度函數(shù)盡量簡單易懂，這樣有效提高算法的速率；(4)通用性，即適應(yīng)度函數(shù)設(shè)計(jì)應(yīng)該是對(duì)ー類的問題通用。多目標(biāo)適應(yīng)度函數(shù)是指包括多個(gè)電磁響應(yīng)參數(shù)的適應(yīng)度函數(shù)，并且要首先確定多個(gè)電磁響應(yīng)參數(shù)與電磁材料單元結(jié)構(gòu)幾何參數(shù)之間的映射關(guān)系，根據(jù)這個(gè)映射關(guān)系，在電磁材料単元結(jié)構(gòu)幾何參數(shù)已知的情況下，可以得到多個(gè)電磁響應(yīng)參數(shù)的適應(yīng)度函數(shù)的適應(yīng)度值。步驟S202 :利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)即為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)；多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，說明在該單元結(jié)構(gòu)的幾何參數(shù)下，滿足多個(gè)電磁響應(yīng)參數(shù)在全局是最優(yōu)的，此時(shí)的單元結(jié)構(gòu)的幾何參數(shù)即為電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)。 步驟S203 :輸出所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)。參閱圖3，圖3是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法第ニ實(shí)施例的流程圖，本實(shí)施例與第一實(shí)施例基本相同，不同之處是，在輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)的步驟之前，包括建立包括所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，建立包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)的步驟，具體包括步驟S301 :對(duì)于姆個(gè)所述電磁響應(yīng)參數(shù),分別建立姆個(gè)所述電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)；例如，ー種單元結(jié)構(gòu)，要既能滿足某種折射率的要求，即η = NO，其中，變量η代表折射率，NO為折射率的期望值；又能同時(shí)滿足低損耗的要求，即W < W0，其中W > O代表電磁損耗，WO為設(shè)定的電磁損耗閾值)。分別針對(duì)兩個(gè)設(shè)計(jì)指標(biāo)建立各自的單目標(biāo)適應(yīng)度函數(shù)如下其中Sign(X)函數(shù)的定義如下當(dāng)函數(shù)內(nèi)部元素χ為正時(shí)返回1，否則返回值為O。步驟S302 :將所述每個(gè)電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)相乘，即為所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)。根據(jù)步驟S302，上述例子的多目標(biāo)適應(yīng)度函數(shù)即為f(n，W) = ^ (n) Xf2(W)其中，所述利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括利用粒子群優(yōu)化算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。粒子群優(yōu)化算法(Particle Swarm optimization, PS0)又稱為粒子群算法、微粒群算法、或微粒群優(yōu)化算法，是通過模擬鳥群覓食行為而發(fā)展起來的一種基于群體協(xié)作的隨機(jī)搜索算法，通常認(rèn)為它是群集智能(Swarm intelligence, SI)的ー種,可以被納入多主體優(yōu)化系統(tǒng)(Multiagent Optimization System, MA0S)。其中，利用粒子群優(yōu)化算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中均勻采樣K次，得到K個(gè)初始幾何參數(shù)樣本，其中，K為自然數(shù)，所述K個(gè)初始幾何參數(shù)樣本即為初始化的粒子群
{g,o)L，對(duì)每個(gè)所述初始化的粒子群{g 中的粒子gM，設(shè)定初始化的粒子速度Vk。；計(jì)算每個(gè)所述粒子gk(l對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk，其中，I彡k彡K ;根據(jù)所述計(jì)算出的每個(gè)所述粒子gk(l對(duì)應(yīng)的適應(yīng)度值fk，找到所述計(jì)算出的最大的適應(yīng)度值fBest，根據(jù)所述計(jì)算出的最大的適應(yīng)度值fBest，找到與所述最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gK(l值，所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gK(l值用gb表示；根據(jù)所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gb值，用第一方程更新每個(gè)粒子的粒子速度vk，其中，所述第一方程是vk = C0X VkJc1 X rand X (pbk_gk) +C2 X rand X (gb_gk),其中，Cq、Ci以及C2是三個(gè)常數(shù)，rand為介于O和I之間的均勻分布的隨機(jī)數(shù)，pbk代表迭代搜索過程中第k個(gè)粒子樣本搜索過程中找到的局部最優(yōu)點(diǎn)；根據(jù)所述更新后的每個(gè)粒子的粒子速度vk，用第二方程來更新每個(gè)粒子的位置gk，其中，所述第二方程是gk = gk0+Vk ；在更新每個(gè)所述粒子的位置gk后，檢測(cè)是否滿足搜索終止條件，若滿足所述搜索終止條件，則所述粒子gb即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)gBest，并終止搜索過程，否則，用所述第一方程更新的每個(gè)粒子的粒子速度Vk代替Vko,用所述第二方程更新的每個(gè)粒子的位置gk代替gM，并返回所述計(jì)算每個(gè)粒子gM對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk的步驟繼續(xù)迭代搜索。粒子群初始化為一群隨機(jī)粒子(即隨機(jī)解)，然后通過迭代找到最優(yōu)解，在每一次迭代中，粒子通過跟蹤兩個(gè)“極值”來更新自己第一個(gè)就是粒子本身所找到的最優(yōu)解，這個(gè)解叫做個(gè)體極值pBest，另ー個(gè)極值是整個(gè)種群目前找到的最優(yōu)解，這個(gè)極值是全局極值gBest，當(dāng)然，另ー個(gè)極值也可以不用整個(gè)種群而只是用其中一部分最優(yōu)粒子的鄰居，那么在所有鄰居中的極值就是局部極值。其中，所述利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括利用蒙特卡洛采樣算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。蒙特卡洛采樣算法的基本思想是當(dāng)所求解問題是某種隨機(jī)事件出現(xiàn)的概率，或者是某個(gè)隨機(jī)變量的期望值時(shí)，通過某種“實(shí)驗(yàn)”的方法，以這種事件出現(xiàn)的頻率估計(jì)這ー隨機(jī)事件的概率，或者得到這個(gè)隨機(jī)變量的某些數(shù)字特征，并將其作為問題的解。如圖4所示，圖4是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法第三實(shí)施例的流程圖，本實(shí)施例與第一實(shí)施例基本相同，不同之處是利用蒙特卡洛采樣算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟，包括步驟S401 :定義所述電磁材料単元結(jié)構(gòu)幾何參數(shù)函數(shù)為非規(guī)整化后驗(yàn)概率密度函數(shù)，將所述非規(guī)整化后驗(yàn)概率密度函數(shù)的概率分布視為所述蒙特卡洛采樣算法的目標(biāo)分布； 步驟S402 :用所述蒙特卡洛采樣算法從所述目標(biāo)分布中抽取隨機(jī)樣本；
步驟S403 :根據(jù)所述目標(biāo)分布中抽取的隨機(jī)樣本的電磁材料單元結(jié)構(gòu)幾何參數(shù)值，計(jì)算所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值；步驟S404 :根據(jù)計(jì)算出的所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度值，找到所述計(jì)算出的最大的適應(yīng)度值，根據(jù)所述計(jì)算出的最大的適應(yīng)度值，找到與所述最大的適應(yīng)度值對(duì)應(yīng)的電磁材料單元結(jié)構(gòu)幾何參數(shù)值，所述與最大的適應(yīng)度值對(duì)應(yīng)的電磁材料單元結(jié)構(gòu)幾何參數(shù)值即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。其中，所述蒙特卡洛采樣算法包括馬爾科夫鏈蒙特卡洛方法、重要性采樣方法以及 Metropolis 算法。馬爾科夫鏈蒙特卡洛方法的基本原理是基于建立的平穩(wěn)分布為π (χ)的馬爾科夫鏈來獲得n (x)的樣本。馬爾可夫鏈?zhǔn)菙?shù)學(xué)中具有馬爾可夫性質(zhì)的離散時(shí)間隨機(jī)過程， 在該過程中，在給定當(dāng)前知識(shí)或信息的情況下，過去(即當(dāng)期以前的歷史狀態(tài))對(duì)于預(yù)測(cè)將來(即當(dāng)期以后的未來狀態(tài))是無關(guān)的，具體來說是當(dāng)隨機(jī)過程在時(shí)刻t = i所處的狀態(tài)已知，過程在時(shí)刻t = i+1所處的狀態(tài)只與h時(shí)刻狀態(tài)有關(guān)，而與h時(shí)刻以前的狀態(tài)無關(guān)。重要性采樣方法的基本思想是用ー個(gè)新的概率分布稱為偏置概率分布產(chǎn)生樣本序列，使重要性事件發(fā)生的次數(shù)増加，通過對(duì)樣本加權(quán)達(dá)到被估計(jì)量的無偏估計(jì)。Metropolis算法是馬爾科夫鏈蒙特卡洛方法中ー個(gè)重要的抽樣方法，主要原理是構(gòu)造了ー個(gè)精妙的馬爾科夫鏈，使得該鏈的穩(wěn)態(tài)是所給定的概率密度函數(shù)。其中，所述Metropolis算法的步驟包括 選取對(duì)稱分布函數(shù)q作為所述目標(biāo)分布，即q ( Λ χ) = q (- Λ χ)，從所述目標(biāo)分布函數(shù)q中抽取K個(gè)隨機(jī)樣本，其中，Δ χ為從所述目標(biāo)分布函數(shù)q中抽取的隨機(jī)樣本點(diǎn),K為自然數(shù)；在所述單元結(jié)構(gòu)的幾何參數(shù)域進(jìn)行一次均勻采樣，得到初始樣本點(diǎn)g(l，并進(jìn)行K次迭代操作，其中，第k次迭代中執(zhí)行的操作是構(gòu)建新的樣本點(diǎn)g*,使g* = gn+Δχ，記所述電磁材料單元結(jié)構(gòu)幾何參數(shù)函數(shù)為y(g)，根據(jù)所述樣本點(diǎn)g*以及gk-i計(jì)算比值r,其中，r = yfeW/yfekJ ,如果所述比值r彡I，則接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，如果所述比值:r < I,則以r的概率接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，以1-r的概率設(shè)置gk = gH，其中，k表示迭代次數(shù)，I <k<K;在進(jìn)行所述K次迭代操作后，比較K個(gè)樣本點(diǎn)對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值，找出對(duì)應(yīng)的最大適應(yīng)度值的樣本點(diǎn)gBest，所述樣本點(diǎn)gBest即為所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。參閱圖5，圖5是本發(fā)明ー種人工電磁材料的制作方法的一實(shí)施例的流程圖，包括步驟S501 :輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值；步驟S502 :利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)即為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)；
步驟S503 :以所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)為電磁材料単元結(jié)構(gòu)的制作參數(shù)，將原材料制成人エ電磁材料。區(qū)別于現(xiàn)有技術(shù)的情況，本發(fā)明建立包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，也即多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，則多個(gè)電磁響應(yīng)參數(shù)滿足全局最優(yōu)，此時(shí)的単元結(jié)構(gòu)幾何參數(shù)就是最優(yōu)単元結(jié)構(gòu)幾何參數(shù)，通過這種方式，能夠用計(jì)算機(jī)實(shí)現(xiàn)快速查找多目標(biāo)最優(yōu)単元結(jié)構(gòu)幾何參數(shù)，極大的提高了超材料開發(fā)的效率。如圖6所示，圖6是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置 第一實(shí)施例的結(jié)構(gòu)示意圖，所述裝置包括適應(yīng)度函數(shù)輸入模塊601、最優(yōu)幾何參數(shù)獲得模塊602以及最優(yōu)幾何參數(shù)輸出模塊603。適應(yīng)度函數(shù)輸入模塊601用于輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值；最優(yōu)幾何參數(shù)獲得模塊602用于利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)即為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)；最優(yōu)幾何參數(shù)輸出模塊603用于輸出所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)。其中，所述裝置還包括適應(yīng)度函數(shù)建立模塊，所述適應(yīng)度函數(shù)建立模塊用于建立包括所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，如圖7所示，圖7是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置第二實(shí)施例的結(jié)構(gòu)示意圖，本實(shí)施例與前述裝置的第一實(shí)施例基本相同，不同之處在于所述適應(yīng)度函數(shù)建立模塊包括單目標(biāo)適應(yīng)度函數(shù)單元701以及多目標(biāo)適應(yīng)度函數(shù)単元702。單目標(biāo)適應(yīng)度函數(shù)単元701用于對(duì)每個(gè)所述電磁響應(yīng)參數(shù)，分別建立每個(gè)所述電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)；多目標(biāo)適應(yīng)度函數(shù)単元702用于將所述每個(gè)電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)相乗，即為所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)。其中，所述最優(yōu)幾何參數(shù)獲得模塊602包括粒子群優(yōu)化單元，所述粒子群優(yōu)化單元具體用于利用粒子群優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。如圖8所示，圖8是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置第三實(shí)施例的結(jié)構(gòu)示意圖，本實(shí)施例與前述裝置的第一實(shí)施例基本相同，不同之處在于所述粒子群優(yōu)化單元包括初始化單元801、第一計(jì)算單元802、第一查找單元803、粒子速度更新単元804、粒子位置更新単元805以及終止條件檢測(cè)單元806。初始化單元801用于在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中均勻采樣K次，得到K個(gè)初始幾何參數(shù)樣本&=1，其中，K為自然數(shù),所述K個(gè)初始幾何參數(shù)樣本即為初
始化的粒子群，對(duì)每個(gè)所述初始化的粒子群丨g 中的粒子&。，設(shè)定初始化的粒子速度vk。；第一計(jì)算單元802用于計(jì)算每個(gè)所述粒子gk(l對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk，其中，I < k < K ; 第一查找單元803用于根據(jù)所述計(jì)算出的每個(gè)所述粒子gk(l對(duì)應(yīng)的適應(yīng)度值fk，找到所述計(jì)算出的最大的適應(yīng)度值fBest，根據(jù)所述計(jì)算出的最大的適應(yīng)度值fBest，找到與所述最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gk(l值,所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gk(l值用gb表不;粒子速度更新単元804用于根據(jù)所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gb值，用第一方程更新每個(gè)粒子的粒子速度vk，其中，所述第一方程是vk = C0X VktT^c1 X rand X (pbk_gk) +C2 X rand X (gb_gk),其中，C(l、Cl以及C2是三個(gè)常數(shù)，rand為介于O和I之間的均勻分布的隨機(jī)數(shù)，pbk 代表迭代搜索過程中第k個(gè)粒子樣本搜索過程中找到的局部最優(yōu)點(diǎn)；粒子位置更新単元805用于根據(jù)所述更新后的每個(gè)粒子的粒子速度vk，用第二方程來更新每個(gè)粒子的位置gk，其中，所述第二方程是gk = gk0+vk ；終止條件檢測(cè)單元806用于在更新每個(gè)所述粒子的位置gk后，檢測(cè)是否滿足搜索終止條件，若滿足所述搜索終止條件，則所述粒子gb即為所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)gBest，并終止搜索過程，否則，用所述第一方程更新的每個(gè)粒子的粒子速度Vk代替Vktl，用所述第二方程更新的每個(gè)粒子的位置gk代替gM，并返回所述計(jì)算每個(gè)粒子gM對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk的步驟繼續(xù)迭代捜索。其中，所述最優(yōu)幾何參數(shù)獲得模塊包括蒙特卡洛単元，所述蒙特卡洛單元具體用于利用蒙特卡洛采樣算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。如圖9所示，圖9是本發(fā)明一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置第四實(shí)施例的結(jié)構(gòu)示意圖，本實(shí)施例與前述裝置的第一實(shí)施例基本相同，不同之處在于所述蒙特卡洛單元包括定義單元901、第一抽樣單元902、第二計(jì)算單元903以及第二查找單元 904。定義單元901用于定義所述電磁材料単元結(jié)構(gòu)幾何參數(shù)函數(shù)為非規(guī)整化后驗(yàn)概率密度函數(shù)，將所述非規(guī)整化后驗(yàn)概率密度函數(shù)的概率分布視為所述蒙特卡洛采樣算法的目標(biāo)分布；第一抽樣單元902用于用所述蒙特卡洛采樣算法從所述目標(biāo)分布中抽取隨機(jī)樣本；第二計(jì)算單元903用于根據(jù)所述目標(biāo)分布中抽取的隨機(jī)樣本的電磁材料單元結(jié)構(gòu)幾何參數(shù)值，計(jì)算所述姆個(gè)電磁材料單元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值；第二查找單元904用于根據(jù)計(jì)算出的所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度值，找到所述計(jì)算出的最大的適應(yīng)度值，根據(jù)所述計(jì)算出的最大的適應(yīng)度值，找到與所述最大的適應(yīng)度值對(duì)應(yīng)的電磁材料単元結(jié)構(gòu)幾何參數(shù)值，所述與最大的適應(yīng)度值對(duì)應(yīng)的電磁材料單元結(jié)構(gòu)幾何參數(shù)值即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。
其中，所述蒙特卡洛采樣算法包括馬爾科夫鏈蒙特卡洛方法、重要性采樣方法、Metropolis 算法。其中，所述蒙特卡洛單元還包括Metropolis單元,所述Metropolis單元包括第ニ抽樣單元、迭代單元以及最優(yōu)幾何參數(shù)獲得單元。第二抽樣單元用于選取對(duì)稱分布函數(shù)q作為所述目標(biāo)分布函數(shù)，即q(AX)=q(-Ax),從所述目標(biāo)分布函數(shù)q中抽取K個(gè)隨機(jī)樣本，其中，Λ χ為從所述目標(biāo)分布函數(shù)q中抽取的隨機(jī)樣本點(diǎn)，K為自然數(shù)；迭代單元用于在所述單元結(jié)構(gòu)的幾何參數(shù)域進(jìn)行一次均勻采樣，得到初始樣本點(diǎn)gQ，并進(jìn)行K次迭代操作,其中，第k次迭代中執(zhí)行的操作是構(gòu)建新的樣本點(diǎn)g*，使g* =gk-i+ Δ χ,記所述電磁材料單元結(jié)構(gòu)幾何參數(shù)函數(shù)為y (g),根據(jù)所述樣本點(diǎn)g*以及gn計(jì)算比值r,其中，r = y(g*)/VQlrf),如果所述比值r ^ 1，則接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，如果所述比值:r < I,則以r的概率接收所述樣本點(diǎn)g*為新的樣本點(diǎn)， 并設(shè)置gk = g*，以l_r的概率設(shè)置gk = gH，其中，k表示迭代次數(shù)，I彡k彡K ;最優(yōu)幾何參數(shù)獲得単元用于在進(jìn)行所述K次迭代操作后，比較K個(gè)樣本點(diǎn)丨ニ對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值，找出對(duì)應(yīng)的最大適應(yīng)度值的樣本點(diǎn)gBest，所述樣本點(diǎn)gBest即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。區(qū)別于現(xiàn)有技術(shù)的情況，本發(fā)明建立包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，也即多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，則多個(gè)電磁響應(yīng)參數(shù)滿足全局最優(yōu)，此時(shí)的単元結(jié)構(gòu)幾何參數(shù)就是最優(yōu)単元結(jié)構(gòu)幾何參數(shù)，通過這種方式，能夠用計(jì)算機(jī)實(shí)現(xiàn)快速查找多目標(biāo)最優(yōu)単元結(jié)構(gòu)幾何參數(shù)，極大的提高了超材料開發(fā)的效率。以上所述僅為本發(fā)明的實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法，其特征在于，包括 輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值； 利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)即為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)； 輸出所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)的步驟之前，包括 建立包括所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，所述建立包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)的步驟包括 對(duì)于姆個(gè)所述電磁響應(yīng)參數(shù)，分別建立姆個(gè)所述電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)；將所述姆個(gè)電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)相乘，即為所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述利用最優(yōu)化算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù),使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括利用粒子群優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述利用粒子群優(yōu)化算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù),使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括 在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中均勻采樣K次，得到K個(gè)初始幾何參數(shù)樣本(g^ot，其中，K為自然數(shù)，所述K個(gè)初始幾何參數(shù)樣本丨—丨^即為初始化的粒子群{g4L，對(duì)每個(gè)所述初始化的粒子群中的粒子gM，設(shè)定初始化的粒子速度Vktl ; 計(jì)算每個(gè)所述粒子gk(l對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk，其中，I彡k彡K ; 根據(jù)所述計(jì)算出的每個(gè)粒子gM對(duì)應(yīng)的適應(yīng)度值fk，找到所述計(jì)算出的最大的適應(yīng)度值fBest，根據(jù)所述計(jì)算出的最大的適應(yīng)度值fBest，找到與所述最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gk(l值，所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gk(l值用gb表示； 根據(jù)所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gb值，用第一方程更新每個(gè)粒子的粒子速度Vk，其中，所述第一方程是vk = CtlXvkc^C1XrandX (pbk-gk) +c2 X rand X (gb_gk), 其中，c0, C1以及C2是三個(gè)常數(shù)，rand為介于O和I之間的均勻分布的隨機(jī)數(shù)，pbk代表迭代搜索過程中第k個(gè)粒子樣本搜索過程中找到的局部最優(yōu)點(diǎn)； 根據(jù)所述更新后的每個(gè)粒子的粒子速度vk，用第二方程來更新每個(gè)粒子的位置gk，其中，所述第二方程是gk = gk(l+vk ； 在更新每個(gè)所述粒子的位置gk后，檢測(cè)是否滿足搜索終止條件，若滿足所述搜索終止條件，則所述粒子gb即為所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)gBest，并終止搜索過程，否則，用所述第一方程更新的每個(gè)粒子的粒子速度Vk代替vk。，用所述第二方程更新的每個(gè)粒子的位置gk代替gM，并返回所述計(jì)算每個(gè)粒子gM對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk的步驟繼續(xù)迭代搜索。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述利用最優(yōu)化算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù),使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括利用蒙特卡洛采樣算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述利用蒙特卡洛采樣算法在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大的步驟包括 定義所述電磁材料単元結(jié)構(gòu)幾何參數(shù)函數(shù)為非規(guī)整化后驗(yàn)概率密度函數(shù)，將所述非規(guī)整化后驗(yàn)概率密度函數(shù)的概率分布視為所述蒙特卡洛采樣算法的目標(biāo)分布； 用所述蒙特卡洛采樣算法從所述目標(biāo)分布中抽取隨機(jī)樣本； 根據(jù)所述目標(biāo)分布中抽取的隨機(jī)樣本的電磁材料単元結(jié)構(gòu)幾何參數(shù)值，計(jì)算所述每個(gè)電磁材料單元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值； 根據(jù)計(jì)算出的所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度值，找到所述計(jì)算出的最大的適應(yīng)度值，根據(jù)所述計(jì)算出的最大的適應(yīng)度值，找到與所述最大的適應(yīng)度值對(duì)應(yīng)的電磁材料單元結(jié)構(gòu)幾何參數(shù)值，所述與最大的適應(yīng)度值對(duì)應(yīng)的電磁材料單元結(jié)構(gòu)幾何參數(shù)值即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。
7.根據(jù)權(quán)利要求6所述的方法，其特征在干，所述蒙特卡洛采樣算法包括馬爾科夫鏈蒙特卡洛方法、重要性采樣方法以及Metropolis算法。
8.根據(jù)權(quán)利要求7所述的方法,其特征在于,所述Metropolis算法的步驟包括 選取對(duì)稱分布函數(shù)q作為目標(biāo)分布函數(shù)，即q(Ax) = q(-AX)，從所述目標(biāo)分布函數(shù)q中抽取K個(gè)隨機(jī)樣本，其中，Ax為從所述目標(biāo)分布函數(shù)q中抽取的隨機(jī)樣本點(diǎn)，K為自然數(shù)； 在所述單元結(jié)構(gòu)的幾何參數(shù)域進(jìn)行一次均勻采樣，得到初始樣本點(diǎn)g(l，并進(jìn)行K次迭代操作，其中，第k次迭代中執(zhí)行的操作是 構(gòu)建新的樣本點(diǎn)g*，使g* = gn+Δχ,記所述電磁材料單元結(jié)構(gòu)幾何參數(shù)函數(shù)為y(g),根據(jù)所述樣本點(diǎn)g*以及gk-i計(jì)算比值r，其中，r = y (g*)/y U，如果所述比值r彡I,則接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，如果所述比值!" < 1，則以r的概率接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，以l_r的概率設(shè)置gk = gH，其中，k表示迭代次數(shù)，l^k^K； 在進(jìn)行所述K次迭代操作后，比較K個(gè)樣本點(diǎn)對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值，找出對(duì)應(yīng)的最大適應(yīng)度值的樣本點(diǎn)gBest，所述樣本點(diǎn)gBest即為所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。
9.ー種人工電磁材料的制作方法，其特征在于，包括 輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值； 利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)即為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)； 以所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)為電磁材料單元結(jié)構(gòu)的制作參數(shù)，將原材料制成人エ電磁材料。
10.一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的裝置，其特征在于，所述裝置包括 適應(yīng)度函數(shù)輸入模塊，用于輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，所述多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值； 最優(yōu)幾何參數(shù)獲得模塊，用于利用最優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大，所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)為所述電磁材料的最優(yōu)單元結(jié)構(gòu)幾何參 數(shù)； 最優(yōu)幾何參數(shù)輸出模塊，用于輸出所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)。
11.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述裝置還包括適應(yīng)度函數(shù)建立模塊，所述適應(yīng)度函數(shù)建立模塊用于建立包括所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，包括 單目標(biāo)適應(yīng)度函數(shù)単元，用于對(duì)姆個(gè)所述電磁響應(yīng)參數(shù)，分別建立姆個(gè)所述電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)； 多目標(biāo)適應(yīng)度函數(shù)単元，用于將所述每個(gè)電磁響應(yīng)參數(shù)的單目標(biāo)適應(yīng)度函數(shù)相乘，即為所述多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)。
12.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述最優(yōu)幾何參數(shù)獲得模塊包括粒子群優(yōu)化單元，所述粒子群優(yōu)化單元具體用于利用粒子群優(yōu)化算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。
13.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述粒子群優(yōu)化單元包括 初始化單元，用于在所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中均勻采樣K次，得到K個(gè)初始幾何參數(shù)樣本，其中，K為自然數(shù)，所述K個(gè)初始幾何參數(shù)樣本即為初始化的粒子群，對(duì)每個(gè)所述初始化的粒子群“ 中的粒子&。，設(shè)定初始化的粒子速度VkO ； 第一計(jì)算單元，用于計(jì)算每個(gè)所述粒子gM對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk，其中，I ^ k ^ K ；第一查找單元，用于根據(jù)所述計(jì)算出的每個(gè)所述粒子gk(l對(duì)應(yīng)的適應(yīng)度值fk，找到所述計(jì)算出的最大的適應(yīng)度值fBest，根據(jù)所述計(jì)算出的最大的適應(yīng)度值fBest，找到與所述最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gk(l值，所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gk(l值用gb表示；粒子速度更新単元，用于根據(jù)所述與最大的適應(yīng)度值fBest對(duì)應(yīng)的粒子gb值，用第一方程更新每個(gè)粒子的粒子速度vk，其中，所述第一方程是vk = CtlXvkc^C1XrandX (pbk-gk) +c2 X rand X (gb_gk), 其中，c0, C1以及C2是三個(gè)常數(shù)，rand為介于O和I之間的均勻分布的隨機(jī)數(shù)，pbk代表迭代搜索過程中第k個(gè)粒子樣本搜索過程中找到的局部最優(yōu)點(diǎn)；粒子位置更新単元，用于根據(jù)所述更新后的每個(gè)粒子的粒子速度Vk，用第二方程來更新姆個(gè)粒子的位置gk,其中,所述第二方程是gk = gk0+vk ; 終止條件檢測(cè)單元，用于在更新每個(gè)所述粒子的位置gk后，檢測(cè)是否滿足搜索終止條件，若滿足所述搜索終止條件，則所述粒子gb即為所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)gBest，并終止搜索過程，否則，用所述第一方程更新的每個(gè)粒子的粒子速度Vk代替Vktl，用所述第二方程更新的每個(gè)粒子的位置gk代替gM，并返回所述計(jì)算每個(gè)粒子gM對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值fk的步驟繼續(xù)迭代捜索。
14.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述最優(yōu)幾何參數(shù)獲得模塊包括蒙特卡洛單元，所述蒙特卡洛單元具體用于利用蒙特卡洛采樣算法在所述電磁材料単元結(jié)構(gòu)幾何參數(shù)域中捜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使所述多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大。
15.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述蒙特卡洛單元包括 定義單元，用于定義所述電磁材料単元結(jié)構(gòu)幾何參數(shù)函數(shù)為非規(guī)整化后驗(yàn)概率密度 函數(shù)，將所述非規(guī)整化后驗(yàn)概率密度函數(shù)的概率分布視為所述蒙特卡洛采樣算法的目標(biāo)分布； 第一抽樣單元，用于用所述蒙特卡洛采樣算法從所述目標(biāo)分布中抽取隨機(jī)樣本； 第二計(jì)算單元，用于根據(jù)所述目標(biāo)分布中抽取的隨機(jī)樣本的電磁材料單元結(jié)構(gòu)幾何參數(shù)值，計(jì)算所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值； 第二查找單元，用于根據(jù)計(jì)算出的所述每個(gè)電磁材料単元結(jié)構(gòu)幾何參數(shù)值對(duì)應(yīng)的適應(yīng)度值，找到所述計(jì)算出的最大的適應(yīng)度值，根據(jù)所述計(jì)算出的最大的適應(yīng)度值，找到與所述最大的適應(yīng)度值對(duì)應(yīng)的電磁材料単元結(jié)構(gòu)幾何參數(shù)值，所述與最大的適應(yīng)度值對(duì)應(yīng)的電磁材料單元結(jié)構(gòu)幾何參數(shù)值即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。
16.根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述蒙特卡洛單元還包括Metropolis單元，所述Metropolis單元包括 第二抽樣單元，用于選取對(duì)稱分布函數(shù)q作為所述目標(biāo)分布函數(shù)，即q(Ax)=q(-Ax),從所述目標(biāo)分布函數(shù)q中抽取K個(gè)隨機(jī)樣本，其中，Λ χ為從所述目標(biāo)分布函數(shù)q中抽取的隨機(jī)樣本點(diǎn)，K為自然數(shù)； 迭代單元，用于在所述單元結(jié)構(gòu)的幾何參數(shù)域進(jìn)行一次均勻采樣，得到初始樣本點(diǎn)gQ，并進(jìn)行K次迭代操作,其中，第k次迭代中執(zhí)行的操作是構(gòu)建新的樣本點(diǎn)g*，使g* =gk-i+ Δ χ,記所述電磁材料單元結(jié)構(gòu)幾何參數(shù)函數(shù)為y (g),根據(jù)所述樣本點(diǎn)g*以及gn計(jì)算比值r,其中，r = y(g*)/VQlrf),如果所述比值r ^ 1，則接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，如果所述比值:r < I,則以r的概率接收所述樣本點(diǎn)g*為新的樣本點(diǎn)，并設(shè)置gk = g*，以l_r的概率設(shè)置gk = gH，其中，k表示迭代次數(shù)，I彡k彡K ; 最優(yōu)幾何參數(shù)獲得単元，用于在進(jìn)行所述K次迭代操作后，比較K個(gè)樣本點(diǎn)對(duì)應(yīng)的適應(yīng)度函數(shù)的適應(yīng)度值，找出對(duì)應(yīng)的最大適應(yīng)度值的樣本點(diǎn)gBest，所述樣本點(diǎn)gBest即為所述電磁材料單元結(jié)構(gòu)幾何參數(shù)域中搜索到的最優(yōu)單元結(jié)構(gòu)幾何參數(shù)值。
全文摘要
本發(fā)明公開了一種獲得人工電磁材料最優(yōu)單元結(jié)構(gòu)幾何參數(shù)的方法及其裝置，所述方法包括輸入包括多個(gè)電磁響應(yīng)參數(shù)的多目標(biāo)適應(yīng)度函數(shù)，其中，多目標(biāo)適應(yīng)度函數(shù)具有適應(yīng)度值；利用最優(yōu)化算法在單元結(jié)構(gòu)幾何參數(shù)域中搜索最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，使多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大；輸出多目標(biāo)適應(yīng)度函數(shù)的適應(yīng)度值最大時(shí)的單元結(jié)構(gòu)幾何參數(shù)。本發(fā)明還公開了一種人工電磁材料的制作方法。通過上述方式，本發(fā)明能夠用計(jì)算機(jī)實(shí)現(xiàn)快速查找多目標(biāo)最優(yōu)單元結(jié)構(gòu)幾何參數(shù)，極大地提高超材料開發(fā)的效率。
文檔編號(hào)G06F17/50GK102682159SQ20121011284
公開日2012年9月19日 申請(qǐng)日期2012年4月17日 優(yōu)先權(quán)日2012年4月17日
發(fā)明者劉斌, 劉若鵬, 季春霖 申請(qǐng)人:深圳光啟創(chuàng)新技術(shù)有限公司