基于种子的多种群多策略并行PSO用于原子簇结构优化
2021-11-15朱静静
朱静静 刘 静
(上海海事大学信息工程学院 上海 201306)
0 引 言
原子簇是由几个乃至上千个原子通过化学结合力组成的相对稳定的微观和亚微观的聚集体,它被广泛应用于电化学、催化反应、航天工业等领域,而具有稳定空间结构的原子簇能够更好地保持并发挥其优越的性能,因此研究原子簇的结构优化问题具有重大的现实意义。迄今为止,通过实验和理论方法只确定了少数种类原子簇的最优空间结构,随着计算机模拟技术和计算机硬件软件的飞速发展,通过理论方法来得到大多数原子簇的空间结构成为大势所趋。当今主流的理论确定原子簇空间结构的方法为从头预测法,该法直接从原子数目出发,首先建立一个表征原子簇的空间结构与其势能之间关系的函数,然后根据热物理理论,通过搜索算法找出原子簇势能最低时对应的空间结构即为该原子簇的最稳定结构。
目前常用于搜索原子簇最优结构的算法有:蒙特·卡洛(Monte-Carlo)[1]、模拟退火(SA)[2-3]、遗传算法(GA)[4-6]和粒子群算法(PSO)[7-8]等。其中粒子群算法是由Kennedy和Eberhart提出的一种基于鸟类觅食行为的启发式群智能优化算法[9-10],PSO具有无需繁杂的进化操作、易于实现、参数少等优点,但也具有易出现早熟陷入局部最优、精度较低等不足,为了改进PSO的性能,学者们从不同的切入点进行突破,包括局部版本的PSO[11-12]、协同演化PSO[13]、动态多种群粒子群算法(Dynamic Multi-Swarm Particle Swarm Optimizer,DMS-PSO)[14]、随机漂移粒子群算法(Random Drift Swarm Optimization,RDPSO)[15-16]和基于频繁覆盖策略的随机漂移粒子群算法(FC-RDPSO)[17]等。……
