论文部分内容阅读
团簇结构的优化问题是一个NP问题,其主要难点在于局部极小值的个数随着原子个数的增加而呈指数增长,且局部极小值与全局最小值很接近,使算法容易陷入局部极值。其中,LJ问题和Ag团簇结构问题又是两个典型的团簇优化问题。LJ问题的应用很广,LJ函数不仅可以用于惰性气体的结构优化和描述蛋白质折叠问题,又可以被用来研究碳纳米管中C原子与Cs原子间的相互作用力和碳豆荚中碳纳米管与球形富勒烯间的C—C相互作用。有效地求解LJ结构问题对分子生物学及材料科学领域的发展都有重大意义。Ag团簇在催化、电子材料和合金等方面有重要的应用价值。社会情感优化算法是一个新提出的群智能优化算法。在算法中,每个个体代表一个虚拟的人,他们在虚拟的社会中通过合作、竞争等方式,以提高自身所处的社会地位。在每个进化代数(时间片段)中他们将根据相应的情绪指数、自身的经验及社会经验进行决策,选择他们认为可以提高自身社会地位的行为,其结果将通过社会的认可程度反馈出该行为的正确性。如果该行为得到认可,那么情绪指数就上升,否则降低。本文把社会情感优化算法用于团簇结构的优化得到了原子个数小于17的LJ原子团簇和原子个数小于9的Ag团簇结构。种子技术对团簇的结构优化非常有效,使用种子技术可以使算法在优化时进行有指导的搜索,从而提高搜索效率,缺点是种子的选取困难,要选取相似构型的团簇结构作为种子,如果所选取的种子与待优化团簇的构型不同或外层结构上原子分布差异很大,就会使算法陷入局部最优。为了提高算法的优化效率,本文中引入了种子技术,降低了优化难度LJ原子团簇的优化个数达到310,Ag团簇结构优化得到了Ag43的结构。格点搜索技术是把优化的原子放在它可能存在的位置中,通过算法优化在它可能存在的位置中选择一个最优位置。本文把社会情感优化算法离散化后,引入了格点搜索技术,减小了搜索范围,把搜索空间变为几个离散化的点,其优化效果明显好于前两种优化方式。为了简化算法,缩短算法的优化时间,根据团簇结构的生长特点----团簇原子是由内向外生长,内层原子排满后才会在外层排列原子,本文中的团簇优化,只优化最外层的结构,默认里层原子结构是满壳层。这样既提高了算法的成功率,又缩短了优化时间。且优化得到了LJ582.