|
|
基于智能优化算法的膜系设计研究
0 M- K2 K4 X0 _4 b摘任石3(/ A4 f( X. ]% B. Q5 H0 c
随着现代光学技术的发展,在光学仪器方面对光学薄膜的性能要求越来越
; C$ @8 p! |; I) u高"光学薄膜的设计对光学仪器性能起着至关重要的作用"膜系光学特性优劣是
) v+ e8 H: ]) |: I) }% v7 d0 }+ Y通过膜系设计中的评价函数作为定量标准的"膜系评价函数是一个以膜系结构参+ g- ^) {& L/ i* ~+ X2 U
数为变量的多元函数"通过数值优化方法求得所建立的评价函数的最优解,从而
4 p& Y: Q& i% X( R0 C* |完成膜系设计"光学薄膜的光谱特性是膜层结构!膜系层数!膜层厚度和膜层折& u& ~- K2 @/ H: q. Z
射率的函数"其评价函数为多元多峰函数并且相当复杂,膜系层数越多所要确定
. {7 T: g3 O1 _& E" w$ L的参数就越多,也就意味着要解决更高维数的数学问题"当膜层超过一定的层数# T$ G6 U& i [! J
时,会导致膜系评价函数的峰值则会极具增多,采用传统的优化方法如蒙特卡罗
1 X$ m6 V. i2 h1 u3 ^* C1 B0 k法!单纯形法等将无法得出满意的结果". h7 j1 K; j9 h* x2 f" D5 p
目前,智能优化算法在膜系设计中的应用已经受到越来越多的关注"智能优$ p1 A: A, D6 W; Y9 l, h* ]" ]
化算法是对自然界规律的启发而衍生出的算法,也是仿生学的一个分支"利用仿
: g- U: T J$ ^2 o生学的原理来设计构建算法,是智能优化算法的思想"如蚁群算法(antcolony0 c* T, o6 E+ l/ L4 e) `; [$ O
algorithm)!遗传算法(genctiealgorithm,GA)!粒子群优化算法(p叭ieleswarm; j+ H% r% X0 C
optimization,pSO)和差分进化算法(differentialevolution,DE)等等"智能优
& K# H$ J" A- [5 f+ \+ U- o化算法具有对初值不敏感,对所要优化的函数没有限制,具有很强的通用性等特- C5 p# r. q X- ^4 [) K5 E1 I }6 C
点"
5 j6 I9 [/ \" y$ X0 E9 @ f- Q本文将两种新兴的智能优化算法PSO和DE应用于膜系设计,编写相应的
, M* N6 @: T3 Q& M; l- @- J4 eMATLAB程序对增透膜!高反射膜!1:1分光膜!滤光片和远红外宽带增透膜进
. B1 \6 k5 c: m0 H$ K行膜系优化设计,在这些设计实例中采用膜系理想反射率和实际设计反射率的误
7 J9 q$ A$ z" G差平方和作为评价函数来评价膜系性能优劣"算法中控制变量的设置对算法性能2 \# Q: z2 }0 q9 f
有很大的影响,结合设计实例比较各算法之间性能差异并且分析如何设置算法中3 f5 F* `# B& f4 |! V* l' g( F
的控制变量来提高算法性能,也是本文要解决的问题"结果表明,将PSO和DE
, W3 _$ S0 ]- g- D应用于膜系设计是有效的"在相同设计条件下,运用PSO和DE可以得到比GA. I/ y( F: f& B' b
光学特性更优的膜系结构"* z! s" j( N/ W8 q
关键词:光学薄膜;膜系设计;优化设计;粒子群优化算法;差分进化算法;6 ?) @' C/ N. T+ q" l2 O) j
遗传算法8 z# d, Q2 o/ c
链接:http://pan.baidu.com/s/1jIRPDGi 密码:8 L; z9 J- t* A& _6 W' Y
5 C# p2 G6 K/ D+ J; ]
|
|