一種基于Memetic算法的氬原子團(tuán)簇結(jié)構(gòu)優(yōu)化技術(shù)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及分子結(jié)構(gòu)和智能優(yōu)化領(lǐng)域，具體地說(shuō)是一種基于Memetic算法的氮原 子團(tuán)簇結(jié)構(gòu)優(yōu)化技術(shù)。
【背景技術(shù)】
[0002] 氮原子團(tuán)簇是幾個(gè)乃至上千個(gè)原子、分子或離子通過物理或化學(xué)結(jié)合力組成的相 對(duì)穩(wěn)定的微觀和亞微觀體系。團(tuán)簇的許多性質(zhì)都依賴于其穩(wěn)定結(jié)構(gòu)，原子團(tuán)簇的穩(wěn)態(tài)結(jié)構(gòu) 研究是當(dāng)前國(guó)內(nèi)外研究的前沿課題。一個(gè)原子團(tuán)簇最穩(wěn)定的結(jié)構(gòu)一般都是具有最低勢(shì)能的 幾何結(jié)構(gòu)。因而，求解原子團(tuán)簇的穩(wěn)態(tài)結(jié)構(gòu)問題的關(guān)鍵是如何通過對(duì)勢(shì)能面的搜索找到最 低勢(shì)能態(tài)。目前，人們已經(jīng)將遺傳算法、改進(jìn)粒子群算法等用于簇結(jié)構(gòu)的優(yōu)化問題中。然而， 該些算法存在收斂速度慢、易陷入局部最小值W及對(duì)于較大的原子簇體系優(yōu)化效果差等缺 點(diǎn)。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于克服現(xiàn)有氮原子團(tuán)簇結(jié)構(gòu)優(yōu)化方法的不足，提出一種基于 Memetic算法的氮原子團(tuán)簇結(jié)構(gòu)優(yōu)化技術(shù)，尋優(yōu)過程中WLennard-化nes勢(shì)能為優(yōu)化算法 的評(píng)價(jià)函數(shù)，充分利用基于種群的全局搜索和基于個(gè)體的局部啟發(fā)式搜索，通過優(yōu)化種群 分布，及早剔除不良個(gè)體，加快算法的求解速度，在保證較高收斂性能的基礎(chǔ)上，提高全局 搜索能力，獲得高質(zhì)量的解，W達(dá)到實(shí)現(xiàn)最穩(wěn)定團(tuán)簇結(jié)構(gòu)的優(yōu)化效果。
[0004] 本發(fā)明采用的技術(shù)方案包含如下步驟：
[0005] 步驟1 ;編碼。根據(jù)原子團(tuán)簇中原子位置變量的解空間，將可行解數(shù)據(jù)表示成搜索 空間的浮點(diǎn)型串結(jié)構(gòu)數(shù)據(jù)，該些串結(jié)構(gòu)數(shù)據(jù)不同組合構(gòu)成不同可行解。
[0006] 步驟2 ;產(chǎn)生初始群體。確定氮原子團(tuán)簇的原子個(gè)數(shù)n，搜索種群規(guī)模M，解空間維 數(shù)大小D=化，雜交概率P。，變異概率Py，隨機(jī)產(chǎn)生M個(gè)初始個(gè)體，進(jìn)化代數(shù)變量k=l，最大 進(jìn)化代數(shù)Kmax。
[0007] 步驟3 ;交叉。按照雜交概率P。在M個(gè)個(gè)體中任意選取兩個(gè)進(jìn)行雜交運(yùn)算，產(chǎn)生新 一代群體的兩個(gè)新個(gè)體。
[0008] 步驟4 ;變異。在雜交運(yùn)算雜生的新群體中，按照變異概率Py從中選取若干個(gè)體， 進(jìn)行變異操作。
[0009] 步驟5 ;計(jì)算適應(yīng)度函數(shù)。對(duì)變異后的新群體按照Lennard-化nes勢(shì)能分別計(jì)算 每個(gè)個(gè)體的適應(yīng)度函數(shù)，其公式為：
[0010]
【主權(quán)項(xiàng)】
1. 一種基于MemetiC算法的氬原子團(tuán)簇結(jié)構(gòu)優(yōu)化技術(shù)，其特征是所述方法包括如下步 驟： 步驟1 :編碼。根據(jù)原子團(tuán)簇中原子位置變量的解空間，將可行解數(shù)據(jù)表示成搜索空間 的浮點(diǎn)型串結(jié)構(gòu)數(shù)據(jù)，這些串結(jié)構(gòu)數(shù)據(jù)不同組合構(gòu)成不同可行解。 步驟2 :產(chǎn)生初始群體。確定氬原子團(tuán)簇的原子個(gè)數(shù)n，搜索種群規(guī)模M，解空間維數(shù)大 小D=3n，雜交概率p。，變異概率pv，隨機(jī)產(chǎn)生M個(gè)初始個(gè)體，進(jìn)化代數(shù)變量k=l，最大進(jìn)化代 數(shù) Kmax。 步驟3 :交叉。按照雜交概率p。在M個(gè)個(gè)體中任意選取兩個(gè)進(jìn)行雜交運(yùn)算，產(chǎn)生新一代 群體的兩個(gè)新個(gè)體。 步驟4 :變異。在雜交運(yùn)算雜生的新群體中，按照變異概率pv從中選取若干個(gè)體，進(jìn)行 變異操作。 步驟5 :計(jì)算適應(yīng)度函數(shù)。對(duì)變異后的新群體按照Lennard-Jones勢(shì)能分別計(jì)算每個(gè) 個(gè)體的適應(yīng)度函數(shù)，其公式為：
其中，ru表示第m個(gè)個(gè)體的原子i與原子j間的歐幾里德距離；ε代表勢(shì)阱深度，通 ?？扇? ;σ代表碰撞（勢(shì)能為零）時(shí)的原子核間距離，取^ = 3.36又。 步驟6:選擇。從當(dāng)前群體中選擇M個(gè)優(yōu)良（適應(yīng)度高）的個(gè)體，選擇概率與其適應(yīng)度 成正比，舍棄適應(yīng)度低的個(gè)體。 步驟7 :局部搜索。對(duì)種群中的所有個(gè)體采用擬牛頓法進(jìn)行局部搜索。 步驟8 :如果滿足停止條件或達(dá)到最大迭代次數(shù)（k = Kmax)，則尋優(yōu)結(jié)束，所得到的全局 最優(yōu)值，即為氬原子團(tuán)簇中原子的最優(yōu)結(jié)構(gòu)分布；否則，k: = k+Ι，轉(zhuǎn)步驟3。
2. 根據(jù)權(quán)利要求1所述的一種基于Memetic算法的氬原子團(tuán)簇結(jié)構(gòu)優(yōu)化技術(shù)，其特征 是所述步驟2中，搜索種群規(guī)模M和最大進(jìn)化代數(shù)K max需要根據(jù)具體的問題規(guī)模進(jìn)行設(shè)定， 搜索種群規(guī)模一般取值范圍為[20 40]，氬原子團(tuán)簇中的原子個(gè)數(shù)越多，搜索種群規(guī)模和所 需的最大進(jìn)化代數(shù)就越大。
3. 根據(jù)權(quán)利要求1所述的一種基于Memetic算法的氬原子團(tuán)簇結(jié)構(gòu)優(yōu)化技術(shù)，其特征 是所述步驟7中，局部搜索策略可采用爬山法、單純形優(yōu)化法、共軛梯度法、牛頓法等，本發(fā) 明為了提高局部收斂速度，采用擬牛頓法。
【專利摘要】本發(fā)明公開了一種基于Memetic算法的氬原子團(tuán)簇結(jié)構(gòu)優(yōu)化技術(shù)，結(jié)合了群體算法搜索的廣度優(yōu)點(diǎn)和局部搜索算法的深度優(yōu)點(diǎn)，以Lennard-Jones勢(shì)能為優(yōu)化算法的評(píng)價(jià)函數(shù)，通過個(gè)體間的交叉和變異增加了粒子的多樣性，利用個(gè)體的擇優(yōu)選取和局部搜索來(lái)提高優(yōu)化搜索效率，綜合考慮計(jì)算復(fù)雜度、快速收斂性、全局性等方面性能，以獲得原子團(tuán)簇的全局最優(yōu)穩(wěn)定結(jié)構(gòu)。
【IPC分類】G06F17-30
【公開號(hào)】CN104866514
【申請(qǐng)?zhí)枴緾N201410070222
【發(fā)明人】樓旭陽(yáng)
【申請(qǐng)人】江南大學(xué)
【公開日】2015年8月26日
【申請(qǐng)日】2014年2月26日