[發(fā)明專利]微觀樹枝狀的結(jié)構(gòu)模型及其優(yōu)化方法及其薄膜及其光柵

有效

• 申請(qǐng)?zhí)枺?/td>: 201210095208.7
• 申請(qǐng)日: 2012-03-31
• 公開（公告）號(hào): CN102722597A
• 公開（公告）日: 2012-10-10
• 發(fā)明（設(shè)計(jì)）人: 張旺;汪萬林;何昭文;張荻
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50;G02B5/18
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

1.一種微觀樹枝狀的結(jié)構(gòu)模型的優(yōu)化方法，其特征在于，包括以下步驟：

S1：以一種寬視域蝶翅的微觀樹枝狀結(jié)構(gòu)為最初模型，在橫向水平排列的y?個(gè)所述微觀樹枝狀結(jié)構(gòu)上設(shè)定一條基線，所述基線平行于所述微觀樹枝狀結(jié)構(gòu)的枝狀，當(dāng)基線位置不超過最上端的一根枝狀，設(shè)定離所述基線最近的上一根枝狀的上側(cè)與所述基線的距離為d，當(dāng)基線位置超過最上端的一根枝狀，設(shè)定離所述基線最近的一根枝狀的上側(cè)與所述基線的距離為d，y大于等于1；

S2：設(shè)定d的取值范圍為-1m至1m，隨著基線的位置不同，d的取值不同，在此范圍內(nèi)取a組模擬變量，a為PSO算法的粒子數(shù)，每組所述模擬變量包括d1,d2,…,dn,其中任一所述模擬變量為隨機(jī)取值的d,每組所述模擬變量數(shù)為n個(gè)，n大于等于2，n等于2y，每組所述模擬變量數(shù)目相同；

S3：每組所述模擬變量分別進(jìn)行FTDT光學(xué)反射模擬，得到每組所述模擬變量相應(yīng)的反射譜，將每組所述反射譜中i個(gè)最強(qiáng)的峰的峰強(qiáng)值記為I1、I2、…、Ii,其中i大于等于1；

S4：在PSO算法中定義一個(gè)相關(guān)視域的評(píng)價(jià)函數(shù)M=f(I₁、I₂、…、I_i),將每組中I₁、I₂、…、I_i代入所述評(píng)價(jià)函數(shù)中，得到a組對(duì)應(yīng)的M值；

S5：在PSO算法中設(shè)定一代數(shù)，代數(shù)大于等于2，通過a組對(duì)應(yīng)的M值和代數(shù)進(jìn)行PSO計(jì)算，直至完成設(shè)定的代數(shù)，得到一個(gè)最大的M_max，以及與M_max相對(duì)應(yīng)的一組模擬變量d_max1,d_max2…d_maxn。

2.如權(quán)利要求1所述的微觀樹枝狀的結(jié)構(gòu)模型的優(yōu)化方法，其特征在于，所述寬視域蝶翅為藍(lán)閃蝶蝶翅。

3.如權(quán)利要求1所述的微觀樹枝狀的結(jié)構(gòu)模型的優(yōu)化方法，其特征在于，評(píng)價(jià)函數(shù)為????????????????????????????????????????????????。

4.如權(quán)利要求1所述的微觀樹枝狀的結(jié)構(gòu)模型的優(yōu)化方法，其特征在于，n取值為20。

5.如權(quán)利要求1所述的微觀樹枝狀的結(jié)構(gòu)模型的優(yōu)化方法，其特征在于，a取值為100。

6.如權(quán)利要求1所述的微觀樹枝狀的結(jié)構(gòu)模型的優(yōu)化方法，其特征在于，所述代數(shù)取值100。

7.一種相應(yīng)于權(quán)項(xiàng)1至6的優(yōu)化方法的微觀樹枝狀的結(jié)構(gòu)模型，其特征在于，y個(gè)微觀樹枝狀結(jié)構(gòu)橫向水平排列，y大于等于1，每個(gè)微觀樹枝狀結(jié)構(gòu)的左右兩側(cè)的垂直偏差量設(shè)定為Z_y,?Z_y等于d_maxn?減去d_maxn-1，其中y、n、d_maxn與權(quán)項(xiàng)1中的y、n、d_maxn相對(duì)應(yīng)，從而Z₁=d_max2-d_max1,Z₂=d_max4-d_max3,Z₃=d_max6-d_max5,…,Z_y=d_maxn-d_maxn-1。

8.如權(quán)利要求7所述的微觀樹枝狀的結(jié)構(gòu)模型，其特征在于，n取值為20。