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