[發明專利]一種基于Memetic算法的氬原子團簇結構優化技術

在審

• 申請號: 201410070222.0
• 申請日: 2014-02-26
• 公開（公告）號: CN104866514A
• 公開（公告）日: 2015-08-26
• 發明（設計）人: 樓旭陽
• 申請（專利權）人: 江南大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于Memetic算法的氬原子團簇結構優化技術，其特征是所述方法包括如下步驟：

步驟1：編碼。根據原子團簇中原子位置變量的解空間，將可行解數據表示成搜索空間的浮點型串結構數據，這些串結構數據不同組合構成不同可行解。

步驟2：產生初始群體。確定氬原子團簇的原子個數n，搜索種群規模M，解空間維數大小D=3n，雜交概率p_c，變異概率p_v，隨機產生M個初始個體，進化代數變量k=1，最大進化代數K_max。

步驟3：交叉。按照雜交概率p_c在M個個體中任意選取兩個進行雜交運算，產生新一代群體的兩個新個體。

步驟4：變異。在雜交運算雜生的新群體中，按照變異概率p_v從中選取若干個體，進行變異操作。

步驟5：計算適應度函數。對變異后的新群體按照Lennard-Jones勢能分別計算每個個體的適應度函數，其公式為：

Em=4ϵΣi<jn[(σrij)12-(σrij)6],m=1,···,m]]>

其中，r_ij表示第m個個體的原子i與原子j間的歐幾里德距離；ε代表勢阱深度，通常可取為1；σ代表碰撞(勢能為零)時的原子核間距離，取

步驟6：選擇。從當前群體中選擇M個優良(適應度高)的個體，選擇概率與其適應度成正比，舍棄適應度低的個體。

步驟7：局部搜索。對種群中的所有個體采用擬牛頓法進行局部搜索。

步驟8：如果滿足停止條件或達到最大迭代次數(k＝K_max)，則尋優結束，所得到的全局最優值，即為氬原子團簇中原子的最優結構分布；否則，k:＝k+1，轉步驟3。

2.根據權利要求1所述的一種基于Memetic算法的氬原子團簇結構優化技術，其特征是所述步驟2中，搜索種群規模M和最大進化代數K_max需要根據具體的問題規模進行設定，搜索種群規模一般取值范圍為[20?40]，氬原子團簇中的原子個數越多，搜索種群規模和所需的最大進化代數就越大。

3.根據權利要求1所述的一種基于Memetic算法的氬原子團簇結構優化技術，其特征是所述步驟7中，局部搜索策略可采用爬山法、單純形優化法、共軛梯度法、牛頓法等，本發明為了提高局部收斂速度，采用擬牛頓法。