[發(fā)明專利]一種基于變步長融合算法的薄膜材料光學常數的獲取方法

有效

• 申請?zhí)枺?/td>: 202011284823.3
• 申請日: 2020-11-17
• 公開（公告）號: CN112326562B
• 公開（公告）日: 2021-06-15
• 發(fā)明（設計）人: 趙明琳;吳嘉瑤;竇健泰;胡友友;荊慶麗;張明明
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G01N21/21
• 分類號: G01N21/21;G01B11/06;G06N3/00
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 杭行

1.一種基于變步長融合算法的薄膜材料光學常數的獲取方法，其特征在于，包括以下步驟：

步驟一：將薄膜材料利用橢偏儀，測出245nm-1000nm波長范圍內的薄膜材料的橢偏數據和作為融合算法的輸入值；

步驟二：將測得的橢偏數據代入融合算法進行反演計算，根據評價函數的大小判斷解的精確度，得到評價函數最小時薄膜材料的消光系數、折射率和厚度；所述步驟二中的融合算法是將蟻群算法和模擬退火算法融合優(yōu)化，包括以下流程：

流程一：初始化各參數，即設定退火算法初始溫度、退火衰減系數alpha、Markov鏈長度、最大迭代次數；初始化蟻群算法螞蟻數量，初始化解空間{N,K,D}，N為折射率，K為消光系數，D為厚度；讀取光電薄膜的橢偏數據和

流程二：在初始溫度下利用蟻群算法獲得局部最優(yōu)解，隨機放置M個螞蟻于解空間{N,K,D},并行求得M個螞蟻的局部最優(yōu)解nkd_m以及對應的評價函數值Tau_m，比較獲得min(Tau_m)為最優(yōu)螞蟻；

流程三：按照鄰域搜索規(guī)則搜索鄰域解和對應的新評價函數值Tau_m'；

流程四：依據模擬退火中的Metropolis準則絕對是否接受新解，并更新螞蟻位置和目標函數值；

流程五：重新比較選擇出最優(yōu)螞蟻，并記錄，更新局部迭代次數k，更新總迭代次數；

流程六：判斷局部迭代次數，若局部迭代次數小于Markov鏈長度L，跳到流程七，若局部迭代次數大于Markov鏈長度，則跳到流程八；

流程七：在同等溫度迭代重復流程二至流程六；

流程八：按照指數降溫公式進行降溫操作，重置局部迭代次數；

流程九：判斷是否滿足算法終止條件，終止條件即當前時刻溫度T小于最低溫度T_min，或總迭代次數大于初始設定的最大迭代次數max_times；若不滿足終止條件，則跳回流程二，在更低的溫度下判斷是否接受次優(yōu)鄰域解，若滿足終止條件，則結束優(yōu)化。

2.根據權利要求1所述的基于變步長融合算法的薄膜材料光學常數的獲取方法，其特征在于，所述步驟二中的流程三中的每個螞蟻按step＝a×β的局部搜索步長搜索鄰域解，按照gstep＝a+b·β的全局轉移步長進行轉移，其中，0.01≤a≤0.1，2≤b≤3，0≤β≤1且在其中隨機分布，每個解都由薄膜的折射率、消光系數和厚度組成并對應了一個評價函數。

3.根據權利要求2所述的基于變步長融合算法的薄膜材料光學常數的獲取方法，其特征在于，若螞蟻的評價函數值小于x，則在局部步長的基礎上乘以c降低移動步長；若螞蟻的評價函數值小于y，則在局部步長的基礎上乘以d低移動步長，其中0.01≤c≤0.1，0.01≤d≤0.1，0.1＜x＜10，0.01＜y＜1，且x＜y，當x＝1且y＝0.1時，即能保證迭代前期跳出局部最優(yōu)解，又可以在迭代后期達到更快的收斂速度，獲得更準確的解，更快速的提取精確的薄膜材料的消光系數、折射率和厚度。

4.根據權利要求3所述的基于變步長融合算法的薄膜材料光學常數的獲取方法，其特征在于，將評價函數進行排序，選取第N個為最大接收值P_t，N與某個溫度內的迭代次數t，某溫度下的最大迭代次數即Markov鏈長度L，螞蟻數量M有關，選取公式如下：

5.根據權利要求4所述的基于變步長融合算法的薄膜材料光學常數的獲取方法，其特征在于，根據信息漂移概率確定螞蟻行為，若信息素漂移概率pshift大于最大接受值P_t，則螞蟻落入山頂，在解空間內重新隨機初始化螞蟻位置；若信息素漂移概率pshift小于最大接受值P_t，則按照2×gstep×step×random(0,1)的隨機步長在N，K，D維度搜索鄰域。