【原子轨道搜索算法2021】

文章目录

目录

文章目录

前言

一、算法原理

二、算法更新

三、数据

总结

---

---

前言

---

一、算法原理

           为了找到在距原子核任何距离内找到任何电子的总概率，将原子核周围的体积想象成薄的球形同心层。假设它们处于基态能量。量子数n是确定的，并与电子轨道的半径有关。n值较小的层中的电子与半径较小、能级较低的轨道有关。原子核周围的电子可以通过光子（光）的作用、与粒子或磁场的相互作用而激发，从而导致能量的吸收或发射。将电子从壳层中移除所需的能量被定义为结合能。如果一个电子吸收的能量小于它的结合能，它将在外轨道上经历一个跃迁到一个激发能级。如果一个电子吸收的能量超过它的结合能，它将被重新定位到内轨道的较低能级。

        Aos算法就模拟了电子的两种状态的转移，在高低能态之间的转移过程。在该算法中，每一电子代表一个可行解x，在搜索空间中，电子的所出现层的概率服从正态分布。PDF是表示该变量在特定范围内的可能性的函数。如图1：

 在整个空间中的可行解如下：

 

         K 为第k个虚拟层，n为最大的虚拟层数；i为电子（可行解）的数目，j为可行解的维数；是第k个虚拟层中的第i个解。

        类似于其他的算法存在全局最优和当前最优。Aos将整个搜索域的最优适应度叫做LE；将第k个虚拟层中的最优解叫做。类似于粒子群算法，通过全局最优和当前最优对粒子的位置进行牵引寻优。在AOS的更新公式中分别使用LE和LEk。

        通过全部的可行解的均值和适应度的均值，确定整体的结合态BS和结合能BE，公式如下：

        通过第K个虚拟层的可行解的均值和适应度均值，得到第k个虚拟层的的结合态和结合能,公式如下：

 

 

二、算法更新

如原理中所说，通过光子或磁场使电子产生“运动”，从数学上表达为rand；光子速率定义为Pr，若rand>Pr,作用是可能的。此时有两种情况：释放or吸收。

情况一：释放，当>,跃迁至低的虚拟层，更新方式如下:

情况二：吸收， 当< ,跃迁至高的虚拟层，更新方式如下：

在式子中，   和都为rand。

 若rand<Pr,此时在通过其他作用影响，而不是光子作用：

r为rand的向量。 

伪代码：

三、数据

        与粒子群算法、反向精英粒子群算法（ipso）进行了对比，求取了25次平均值、标准差、最优值、最差值作为评判的一个依据。对f1、f3、f5、f7、f9、f11、f13进行了测试。测试的结果如下所示。

f1

mean