團(tuán)簇結(jié)構(gòu)的優(yōu)化算法與應(yīng)用研究.pdf

1、全局優(yōu)化問題是各學(xué)科普遍關(guān)注的課題。在化學(xué)領(lǐng)域，尋找化學(xué)結(jié)構(gòu)的最低能量構(gòu)象具有重要意義。然而，結(jié)構(gòu)優(yōu)化問題相當(dāng)困難，因?yàn)槠鋭菽芮嫔暇植繕O值的數(shù)量非常多而且隨著體系尺寸呈指數(shù)增長。在本論文中，發(fā)展了幾種新穎高效的全局優(yōu)化算法并應(yīng)用于團(tuán)簇結(jié)構(gòu)優(yōu)化問題，采用優(yōu)化算法作為構(gòu)象分析方法，研究了團(tuán)簇勢能圖(potentialenergylandscape，PEL)的性質(zhì)。 本論文總結(jié)了團(tuán)簇研究的內(nèi)容、手段和意義，綜述了用于團(tuán)簇結(jié)構(gòu)優(yōu)化研究

2、的全局優(yōu)化算法、近期進(jìn)展以及在團(tuán)簇結(jié)構(gòu)研究中的進(jìn)展。本論文的主要研究內(nèi)容包括： 1.基于生物體系免疫機(jī)制的模擬，提出并建立了一種新穎的演化優(yōu)化算法—自適應(yīng)免疫優(yōu)化算法(adaptiveimmuneoptimizationalgorithm，AIOA)。AIOA使用濃度調(diào)節(jié)機(jī)制和免疫選擇機(jī)制自適應(yīng)地控制群體的多樣性和收斂速度。將AIOA應(yīng)用于函數(shù)極小值問題，結(jié)果表明該算法與文獻(xiàn)報(bào)導(dǎo)的隨機(jī)優(yōu)化方法相比有著較好的優(yōu)化效率。AIOA還被

3、成功應(yīng)用于Lennard-Jones(LJ)團(tuán)簇的結(jié)構(gòu)優(yōu)化，優(yōu)化得到了LJ80以下的最優(yōu)結(jié)構(gòu)。 2.提出了一種用于描述團(tuán)簇拓?fù)浣Y(jié)構(gòu)的連接表(connectivitytable，CT)并應(yīng)用于團(tuán)簇結(jié)構(gòu)的相似性檢測。由于CT包含了團(tuán)簇的拓?fù)浣Y(jié)構(gòu)信息，它可以有效地區(qū)分位于PEL上不同構(gòu)型的團(tuán)簇。團(tuán)簇相似性檢測對于保證演化算法中的群體多樣性非常重要。將基于CT的團(tuán)簇相似性檢測方法應(yīng)用于AIOA，成功地優(yōu)化得到了LJ110以內(nèi)的最優(yōu)結(jié)構(gòu)，

4、并且優(yōu)化效率很高。同時，對于更大尺寸的團(tuán)簇，該方法也表現(xiàn)出了很好的優(yōu)化性能。 3.提出了一種基于能量的微擾策略和一種新的禁忌搜索方法，并與簡單貪婪方法(simplegreedymethod)相結(jié)合建立了一種新的團(tuán)簇結(jié)構(gòu)優(yōu)化方法。與傳統(tǒng)的隨機(jī)微擾策略相比較，基于能量的微擾策略在收斂速度和搜索能力上都有很大提高。通過禁忌策略對勢能曲面上不同面積低谷(funnel)的搜索機(jī)會(訪問幾率)進(jìn)行調(diào)控，均衡了不同低谷局部極值的訪問率，使優(yōu)化

5、效率得到大大提高。利用該方法優(yōu)化得到了LJ200以內(nèi)的最優(yōu)結(jié)構(gòu)，并與文獻(xiàn)報(bào)導(dǎo)的方法相比具有較高的優(yōu)化效率。 4.提出了一種高效的無偏全局優(yōu)化方法—動態(tài)建模方法(dynamiclatticesearching，DLS)。DLS起始于一個隨機(jī)產(chǎn)生的局部極小化的結(jié)構(gòu)，并且通過迭代進(jìn)行動態(tài)格點(diǎn)(dynamiclattice，DL)的構(gòu)建和搜索尋找更好的解。由于DL能夠極大地減少搜索空間和非常耗時的局部能量極小化的次數(shù)，極大地提高了算法的

6、運(yùn)行效率。首次使用無偏方法優(yōu)化得到了LJ309以下的所有最優(yōu)結(jié)構(gòu)，并且預(yù)測了LJ500的最優(yōu)結(jié)構(gòu)。DLS算法為分子或原子團(tuán)簇的結(jié)構(gòu)優(yōu)化提供了高效的優(yōu)化方法，使大尺寸團(tuán)簇的無偏優(yōu)化成為可能。 5.使用DLS方法，預(yù)測了150以內(nèi)的C60分子團(tuán)簇最優(yōu)結(jié)構(gòu)，其中80以上的C60團(tuán)簇結(jié)構(gòu)為首次報(bào)導(dǎo)。由于DLS方法收斂速度很快且可以得到各種能量較低的構(gòu)型，通過記錄不同構(gòu)型的命中次數(shù)，對C60分子團(tuán)簇進(jìn)行了構(gòu)象分析。結(jié)果表明Leary四面體

7、序列盡管在能量上沒有優(yōu)勢，但在一定尺寸范圍內(nèi)它在構(gòu)象上具有優(yōu)勢。同時，計(jì)算結(jié)果與高溫下退火實(shí)驗(yàn)的結(jié)果在幻數(shù)峰的位置和峰高上都比較吻合。 6.對實(shí)驗(yàn)學(xué)家和理論學(xué)家來說，PEL理論已經(jīng)成為一種統(tǒng)一的語言用來描述各種反應(yīng)體系。基于DLS方法建立了一種團(tuán)簇構(gòu)象分析方法，由于DLS具有很高的優(yōu)化效率，此方法可用于大尺寸(N=400)團(tuán)簇的構(gòu)象分析和勢能圖分析。同時，通過“構(gòu)象熵”的定義討論了構(gòu)象熵與構(gòu)象穩(wěn)定性的關(guān)系；通過對溫度的模擬討論了