第十一届 “MathorCup“- B题:基于机器学习的团簇能量预测及结构全局寻优方法

目录

摘 要

第 1 章 问题重述

1.1 问题背景

1.2 问题描述

第 2 章 思路分析

2.1 问题 1 的思路分析

2.2 问题 2 的思路分析

2.3 问题 3 的思路分析

2.4 问题 4 的思路分析

第 3 章 符号说明与基本假设

3.1 符号说明

3.2 基本假设

第 4 章 问题 1 的建模与求解

4.1 问题 1 分析

4.2 传统团簇势能模型的分析和选择

4.2.1 基于分子相互关系的传统团簇势能模型

4.2.2 传统势能模型相关性分析

4.3 含有变异因子的 势能函数模型

4.4 基于 AWPSO 的𝑨𝒖𝟐𝟎最稳态结构优化模型 

4.4.1 传统 PSO 算法原理

4.4.2 基于自适应权重的 PSO 算法改进

4.4.3 基于 AWPSO 的𝑨𝒖𝟐𝟎全局最优结构预测

4.5 本章小结

第 5 章 问题 2 的建模与求解

5.1 问题 2 分析

5.2 基于相对距离矩阵的多条件约束异构体生成方法

5.2.1 原子结构的对称性约束

5.2.2 原子间距约束

5.2.3 相对距离矩阵的确定

5.3 多条件约束异构体生成方法的全局寻优模型

5.3.1 相对距离矩阵的向量化

5.3.2 异构体的三维重构

5.3.3 应用 AWPSO 算法全局寻优

5.3.4 全局寻优结果分析

5.4 本章小结

---

本文篇幅较长，分为上下两篇，下篇详见基于机器学习的团簇能量预测及结构全局寻优方法(续)（附MATLAB代码实现）

摘 要

团簇是由多个分子或原子聚集在一起的微观结构，研究团簇的全局最优结构（即能

量最低）对于发现新型材料的结构和性能具有重要意义。传统的理论研究方法存在计算

时间长、计算效果差等问题，而机器学习作为一个极具前景的多学科交叉领域，能够有

效提高模型学习与计算的