自适应混合遗传算法优化团簇

提出一种用于原子团簇结构优化的方法,该方法把具有全局寻优能力的自适应遗传算法与基于牛顿法思想提出的局部优化方法相结合.碳团簇的结构优化用于验证新方法的合理性,计算结果与自适应遗传算法的结果相比较,证明所提出的局部优化方法能够有效地搜索到局部极值,计算结果和混合遗传算法的结果进行对比,证明提出的自适应混合遗传算法能有效地解决"早熟"现象,并且通过对C₁₂的四次计算,表明该算法具有一定的稳定性.     

基于内核构建的Cu-Au-Pd团簇稳定结构优化

具有特殊催化、磁性和化学活性的三元合金团簇已成为基础科学研究的热点问题.确定其稳定结构是研究团簇性质的重要前提.针对大尺寸Cu-Au-Pd团簇结构优化,提出了内核构建的方法改进了自适应免疫优化算法的效率(称为AIOA-IC算法).采用基于紧束缚势二阶矩近似的多体Gupta势函数来描述三元合金团簇原子间相互作用.为测试算法效率优化了原子数为60的Ag-Pd-Pt团簇稳定结构.结果显示新得到的结构比文献报道的团簇结构势能量值更低,由此可知AIOA-IC算法具有更强的势能面搜索能力.运用该算法研究了38及55原子Cu-Au-Pd团簇的稳定结构.所研究的38原子Cu-Au-Pd团簇包含了五折叠、六折叠和截角八面体结构,并且原子成分比例影响了团簇的结构类型.而55原子Cu-Au-Pd团簇均为完整二十面体结构,序列参数显示Cu,Au和Pd原子分层现象明显.对于147原子Cu_(12)Au_(93)Pd_(42)团簇完整二十面体结构,中心原子为Au,内层和次外层分别被12个Cu原子和42个Pd原子占据,最外层则被92个Au原子占满.通过原子半径及表面能分析了Cu,Pd和Au原子分别倾向于分布在内层、次外层和最外层的规律.     

羟基水团簇OH~n(H_2O)_3(n=0,±1)的比较研究

使用粒子群优化算法结合从头算方法得到了羟基水团簇OH~n(H_2O)_3(n=0,±1)的低能结构,并对考虑零点能后最稳定的团簇的成键、分子轨道和红外性质进行了对比研究.对最高占据轨道进行键序分析表明:阴离子团簇中的外来电子占据了羟基中的氧原子的空轨道,自由基型团簇中的部分电子从水分子转移到了羟基上,阳离子团簇中形成了很强的氧氧键.对这些团簇的红外谱进行了计算和分析,这将为相关实验提供理论参考.     

模拟进化法优化Si和Be的团簇结构

模拟生物进化的机理，建立了优化团簇结构的理论程序，并对Ｓｉ和Ｂｅ团簇结构进行了优化计算。并成功地得到了用其它方法已发现的团簇基态结构，还发现了用其它方法尚未得到的团簇基态结构；所得到的团簇基态能量等于或小于已发表的用其它方法所得到的相应团簇的基态能量，说明此方法对于优化团簇基态结构是可行和有效的。     

Cu_n、Ag_n和Au_n(n≤9)团簇的静电极化率(英文 )

采用B3LYP密度泛函的方法计算了Cun,Agn和Aun(n≤9)团簇的静电极化率和极化率的各向异性, 并与Na原子团簇进行比较,结果表明,Cun和Agn团簇的极化率与团簇大小的关系与Na原子团簇类似,而Aun团 簇的极化率有所不同;Au原子的极化率较小,而从Au2至Au7,Aun团簇极化率变化趋势与Cun和Agn团簇相似。 重金属元素团簇的极化率小于Na原子团簇的极化率,具有更加紧致结构。     

Cun、Agn和Aun(n≤9)团簇的静电极化率

采用B3LYP密度泛函的方法计算了Cun，Agn和Aun(n≤9)团簇的静电极化率和极化率的各向异性，并与Na原子团簇进行比较，结果表明，Cun和Agn团簇的极化率与团簇大小的关系与Na原子团簇类似，而Aun团簇的极化率有所不同；Au原子的极化率较小，而从Au2至Au7，Aun团簇极化率变化趋势与Cun和Agn团簇相似。重金属元素团簇的极化率小于Na原子团簇的极化率，具有更加紧致结构。     

液态金属凝固过程原子团簇结构表征的新方法（英文）

采用分子动力学方法对液态金属钠的凝固过程进行了模拟计算,运用团簇结构表征新方法――团簇类型指数法(CTIM)对凝固过程中的团簇结构进行了识别.为了阐明CTIM在识别团簇结构上的准确性和效率,将其与广为采用的Voronoi多面体方法 (VPM)进行比较.结果表明:当采用CTIM和VPM分别对液态金属钠凝固结构中的原子团簇结构进行表征时,它们所得到的微观结构特征是一致的.非晶态结构中,原子团簇类型的分布呈现明显的区段特征,每一区段都存在一种主要团簇类型,它们分别是二十面体或其缺陷结构.晶体结构中,体系形成以BCC团簇为主体的晶态结构.同时发现,VPM不易区分不同团簇构型之间的细微差别,不同构型的原子团簇可能被归为同种结构类型;而CTIM根据近邻原子之间相对位置关系,直接准确描述原子团簇的构型.不但由CTIM分析获得的凝固体系结构特征与VPM的分析结果一致;而且CTIM抓住了体系微观结构特征的主要方面,简化了团簇结构的表征形式,这在大尺度模拟体系的结构分析中将具有较高效率.     

Ti3Al合金凝固过程晶核形成及演变过程的模拟研究

采用分子动力学方法对Ti₃Al合金的形核机理进行了模拟研究,采用团簇类型指数法(CTIM),对凝固过程不同尺度的原子团簇结构进行了识别和表征,深入研究了临界晶核的形成和长大过程.结果表明,凝固过程体系包含了数万种不同类型的原子团簇结构,但其中22种团簇结构类型对结晶形核过程起关键性作用.在晶核的形成和长大过程,类二十面体(ICO)原子团簇、类BCC原子团簇和缺陷FCC及缺陷HCP原子团簇在3个特征温度点T₁ (1110 K), T₂ (1085 K)和T₃ (1010 K)时达到数量上的饱和,并根据数量和空间分布随温度的变化,得到了它们在形核和长大过程相互竞争的关系.跟踪平行孪生晶粒形成和长大的过程发现,临界晶核是由FCC原子构成的单相结构,并未观察到亚稳BCC相优先形核的过程;平行孪生结构是由FCC单相晶核在沿密排面逐层生长过程中形成的.结果还表明, CTIM相比于其他微观结构表示方法,能更为准确地揭示凝固过程微观结构的转变特征.     

Logistic型混合自适应分数阶达尔文粒子群优化算法

针对分数阶达尔文微粒群优化(FDPSO)算法收敛速度慢,收敛精度不高的问题,改进其算法中分数阶速度更新策略,同时引入Logistic型混合分数阶自适应动态调整策略,得到一种改进的自适应分数阶达尔文粒子群优化(LFDPSO)算法,通过理论分析,证明了该算法在给定条件下的收敛性,并由数值实验表明,Logistic型混合自适应分数阶达尔文粒子群(LFDPSO)算法在收敛精度和收敛速度上得到了有效改善与提高,粒子在局部最优时的逃逸能力、全局寻优及智能搜索能力显著增强。     

液态金属Al快速凝固过程中团簇结构的形成特性

采用分子动力学方法 ,对含有 10 5个Al原子的液态金属大系统在快凝过程中团簇结构的形成特性进行了模拟研究 ,并采用原子团类型指数法 (CTIM )来描述各种类型的团簇结构组态 .研究结果显示 ,二十面体原子团 (12 0 12 0 )及其组合在微观结构转变中起着最重要的作用 .发现纳米级大团簇 (含有 10 4个原子 )是由一些中等原子团相互结合而成 ,而中等原子团又是由基本原子团结合组成 .这种结构与由热蒸发、离子溅射等方法所获得的以某一个原子为中心、按八面体结构堆积起来的多壳层晶体结构的纳米级大团簇完全不同 .组成这种大团簇结构的基本原子团的中心原子是彼此以单线或扭结的形式相互成键连接的 .这种结构的角隅正好可以成为液态金属凝固过程中形成支晶的起点 .     

基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

Structural optimization of Au–Pd bimetallic nanoparticles with improved particle swarm optimization method

Due to the dependence of the chemical and physical properties of the bimetallic nanoparticles(NPs) on their structures,a fundamental understanding of their structural characteristics is crucial for their syntheses and wide applications. In this article, a systematical atomic-level investigation of Au–Pd bimetallic NPs is conducted by using the improved particle swarm optimization(IPSO) with quantum correction Sutton–Chen potentials(Q-SC) at different Au/Pd ratios and different sizes. In the IPSO, the simulated annealing is introduced into the classical particle swarm optimization(PSO) to improve the effectiveness and reliability. In addition, the influences of initial structure, particle size and composition on structural stability and structural features are also studied. The simulation results reveal that the initial structures have little effects on the stable structures, but influence the converging rate greatly, and the convergence rate of the mixing initial structure is clearly faster than those of the core-shell and phase structures. We find that the Au–Pd NPs prefer the structures with Au-rich in the outer layers while Pd-rich in the inner ones. Especially, when the Au/Pd ratio is 6:4, the structure of the nanoparticle(NP) presents a standardized Pd_(core) Au_(shell) structure.     

改进粒子群优化算法的高光谱波段选择

高光谱图像具有数百个连续、狭窄的光谱带,光谱范围跨越可见光到红外光,可提供地物的精细光谱属性,对于地物材质和属性的识别分类具有重要应用价值。针对感兴趣目标选择有限的光谱波段进行传输和处理,对于提升高光谱数据处理时效性、以及设计面向特定应用的实用化光谱仪都具有重要意义。而如何结合目标特征选择最优波段成为在提升处理效率的同时保证目标识别或分类精度的必然要求。因此如何从数以百计维度的高光谱图像中选择出具有较好分类识别能力的波段子集是急需解决的问题。提出基于改进粒子群优化算法的高光谱波段选择方法,该方法区别于传统的粒子群优化算法,引入 “概率突跳特性”,并设定新解的淘汰机制,将“停滞”的新解进行淘汰,提高了算法的全局寻优性能。然后基于目标光谱特征采用了最优波段选择的优化目标函数,通过改进的粒子群优化算法求解目标函数,并将选定的波段子集反馈到支持向量机（SVM）中执行分类应用。采用两个标准的高光谱数据集（Indian Pines, Salinas）对选择出的波段子集进行分类测试,结果表明该方法相较于现有方法具有较高的分类精度,在几种方法中,传统的粒子群算法筛选出的波段效果最差;该算法筛选出的波段的分类精度最好,两个数据集的分类精度分别可以达到98.141 4%和99.084 8%。     

Dynamics analysis of chaotic maps: From perspective on parameter estimation by meta-heuristic algorithm

Chaotic encryption is one of hot topics in cryptography, which has received increasing attention. Among many encryption methods, chaotic map is employed as an important source of pseudo-random numbers(PRNS). Although the randomness and the butterfly effect of chaotic map make the generated sequence look very confused, its essence is still the deterministic behavior generated by a set of deterministic parameters. Therefore, the unceasing improved parameter estimation technology becomes one of potential threats for chaotic encryption, enhancing the attacking effect of the deciphering methods. In this paper, for better analyzing the cryptography, we focus on investigating the condition of chaotic maps to resist parameter estimation. An improved particle swarm optimization(IPSO) algorithm is introduced as the estimation method. Furthermore, a new piecewise principle is proposed for increasing estimation precision. Detailed experimental results demonstrate the effectiveness of the new estimation principle, and some new requirements are summarized for a secure chaotic encryption system.     

基于混沌粒子群优化算法的异结构混沌反同步自抗扰控制

针对一类连续时间异结构混沌系统, 利用自抗扰控制很强的鲁棒性, 提出了一种异结构混沌系统反同步的自抗扰控制策略.针对所设计的自抗扰控制器参数较多, 难以整定的问题, 提出了应用混沌粒子群优化算法对控制器进行参数寻优设计. 以Lorenz系统和Chua系统两个异结构混沌系统为例进行仿真验证, 由仿真结果可知, 该方法可以实现异结构混沌系统较快的反同步控制, 且具有很强的抗干扰能力. 关键词： 异结构混沌系统反同步 自抗扰控制器 混沌粒子群优化算法 参数寻优     

A hybrid membrane evolutionary algorithm for solving constrained optimization problems

Solving constrained optimization problems (COPs) is a central research topic in the field of optimization. Given the complexity of COPs, it is difficult to solve them with traditional optimization techniques. In this paper, a hybrid membrane evolutionary algorithm (HMEA) is proposed. It combines a one-level membrane structure with a particle swarm optimization (PSO) local search algorithm. The simulation results show that the proposed algorithm is valid and outperforms the state-of-the-art algorithms.     

New control algorithm for automatic PMD compensation system

A new cross-tracking method is proposed to improve the convergent speed of the control algorithm in real-time polarization mode dispersion（PMD）compensation systems.The cross-tracking algorithm is compared with the previously used dithering particle swarm optimization（DPSO）and gradient particle swarm optimization（GPSO）algorithms,and it is proven to offer the best performance among the three algorithms.The transmission of a 43-Gb/s differential quadrature phase-shift keying（DQPSK）signal over a 1 200-km fiber span using a compensator based on digital signal processing（DSP）is demonstrated via the cross-tracking algorithm.     

量子势阱粒子群优化算法的改进研究

为提高量子势阱粒子群优化算法的优化能力, 通过分析目前量子势阱粒子群优化算法的设计过程, 提出了改进的量子势阱粒子群优化算法. 首先, 分别基于Delta势阱、谐振子和方势阱 提出了改进的量子势阱粒子群优化算法, 并提出了基于统计量均值的控制参数设计方法. 然后, 在势阱中心的设计方面, 为强调全局最优粒子的指导作用, 提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略. 实验结果表明, 三种势阱粒子群优化算法性能比较接近, 都优于原算法, 且Delta势阱模型略优于其他两种.     

粒子群优化算法在光纤光栅传感器波长解调中的应用

为了提高光纤光栅(FBG)解调系统的波长解调精度,采用粒子群优化(PSO)算法结合参考光纤光栅(FBG),对常用波长解调器Fabry-Perot型光纤滤波器(FPF)的透射光谱中心波长与控制电压之间存在的非线性和回滞特性进行了研究,并提出一种实时建立FPF透射光中心波长与其控制电压之间关系模型的方法。该方法利用粒子群优化算法收敛快、易实现的特点,保证了FPF模型建立的准确性和实时性。实验结果证明,利用所建模型可有效提高FBG传感系统的波长测量准确度,测量误差不超过25 pm。系统结构简单,对提高FBG传感系统的测量准确度具有重要意义。     

基于二进制粒子群算法的认知无线电决策引擎

提出了基于粒子群算法的认知无线电决策引擎,并提出了一种种群自适应粒子群算法,利用粒子群算法调整优化无线电参数,运用多载波系统对算法性能进行了仿真分析.实验结果表明基于二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定性上都要明显优于经典遗传算法,基于种群自适应粒子群算法的决策引擎则能进一步提高算法初期性能,满足认知无线电实时性要求. 关键词： 认知无线电 粒子群算法 遗传算法 认知决策引擎