一种基于模拟退火算法的化学合成指导方法与流程

本发明属于组合化学领域，具体涉及一种基于模拟退火算法的化学合成指导方法。

背景技术：

稀土发光材料合成的主要任务之一，是合成具有高量子产率的稀土发光材料。目前稀土发光材料的合成多基于随机尝试，由于缺乏有效的明确指导，寻找高量子产率发光粉的过程盲目性高。

文献“computationalevolutionaryoptimizationofredphosphorforuseintricolorwhiteleds”(《chemistryofmaterials》卷:18期:7页：1768-1772doi:10.1021/cm052179o)中采用遗传算法对红光稀土发光粉进行优化，该方法实现的具体步骤是，(1)针对发光粉各元素配比进行十进制编码，编码后产生的数据(遗传算法中称为染色体)作为遗传算法直接处理对象；(2)测量发光粉发光强度，作为对应染色体的适应度；(3)通过选择、交叉、突变等算子，对染色体进行操作，生成新的染色体群，并对染色体进行解码；(4)依照解码后的染色体群编码合成新发光粉；(5)循环上述过程，直到找到适应度足够高的发光粉。该文献说明启发式算法对于稀土发光粉合成存在指导意义，具体讨论了遗传算法对红光稀土发光粉合成的指导意义。

文献“global-bestharmonysearch”(《appliedmathematicsandcomputation》卷:198期:2页:643-656doi:10.1016/j.amc.2007.09.004)中提出的全局和声搜索算法。和声搜索算法作为一种群智能优化算法，其发明灵感来源于音乐创作。作为近年来较为热门的启发式算法，在有关问题应用上，其性能甚至超过遗传算法、模拟退火算法，但是和声搜索算法由于其理论基础薄弱，造成参数取值没有标准，只能依靠经验去取，因此在使用过程中也造成了很多不便。

目前稀土发光粉合成指导方法过于单一，多使用遗传算法作为合成的指导方法。另外，作为启发式算法中的一种，遗传算法存在局部搜索能力较差，容易陷入过早收敛等缺陷。与遗传算法相比，模拟退火算法作为另一种启发式算法，其局部搜索能力相对高，不容易陷入过早收敛。但目前基于模拟退火算法指导稀土发光粉合成的方案或路线还没有被报道过，且在尝试使用模拟退火算法指导稀土发光粉合成的过程中，并没有取得预期的结果。

技术实现要素：

为了解决现有技术中存在的上述问题，本发明提供了一种基于模拟退火算法的化学合成指导方法，本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种基于模拟退火算法的化学合成指导方法，包括以下步骤：

(a)获取第一发光粉，并对所述第一发光粉进行编码，构建第一和声记忆库，同时测定得到所述第一发光粉各自的第一量子产率，所述第一和声记忆库由若干第一和声构成；

(b)根据所述第一和声记忆库设定初始参数，所述初始参数包括：第一和声记忆库取值概率、第一和声记忆库大小、音调微调概率；

(c)构建metropolis接受准则，根据所述第一和声记忆库、所述第一量子产率、所述初始参数以及所述metropolis接受准则得到第二和声记忆库，所述第二和声记忆库由若干第二和声构成；

(d)根据所述第二和声记忆库得到第二量子产率，并进行筛选，从而得到符合目标的第二发光粉。

在本发明的一个实施例中，步骤(d)之后还包括：

更新所述metropolis接受准则，将所述第二和声记忆库赋值给所述第一和声记忆库，将所述第二量子产率赋值给所述第一量子产率，重复步骤(c)～(d)，直到得到符合目标的所述第二发光粉。

在本发明的一个实施例中，步骤(c)包括：

(c1)随机获取一个第一和声；

(c2)获取第一和声的任一维度值，并随机获取三个正数r0、r1、r2，判断r1与第一和声记忆库取值概率的大小，若r1大于第一和声记忆库取值概率，则令任一维度值等于r0；若r1等于或小于第一和声记忆库取值概率且r2大于等于音调微调概率，则令任一维度值不变；若r1小于等于第一和声记忆库取值概率且r2小于音调微调概率，则令任一维度值等于第一量子产率最高的第一发光粉的任意一个维度值，从而得到第三和声的一个维度值。

(c3)重复执行步骤(c2)，直到得到所述第三和声的每一个维度值，从而形成第三和声；

(c4)对所述第三和声进行归一化，得到一个第三发光粉；

(c5)构建metropolis接受准则对所述第一和声记忆库和所述第三发光粉进行处理，得到一个所述第二和声；

(c6)对其余的所述第一和声均重复步骤(c2)～(c5)，从而得到所述第二和声记忆库。

在本发明的一个实施例中，r0、r1、r2均为小于1的正数。

在本发明的一个实施例中，步骤(c5)包括：

(c51)构建所述metropolis接受准则，并测定得到所述第三发光粉的第三量子产率；

(c52)根据所述第一量子产率、所述第三量子产率、所述第一和声以及所述metropolis接受准则得到一个所述第二和声。

在本发明的一个实施例中，所述metropolis接受准则公式为：

其中，p为概率值，de为和声降温后的能量增加值，t为初始温度，δ为降温系数，k为步骤(c)～(d)的实验次数。

在本发明的一个实施例中，所述降温系数的取值范围为0～1。

在本发明的一个实施例中，所述第一和声记忆库取值概率的取值范围为0～1。

在本发明的一个实施例中，所述音调微调概率的取值范围为0～1。

与现有技术相比，本发明的有益效果：

1.本发明基于模拟退火算法，算法局部搜索能力相对更高，且不容易陷入局部最优，更有利对高量子产率发光粉的指导；

2.本发明中算法涉及到的参数更多，对于多个参数的调整及配合自由度更高，可以更有针对性的对不同的稀土发光粉合成发挥效果。

附图说明

图1为本发明实施例提供的一种基于模拟退火算法的化学合成指导方法的流程示意图；

图2为本发明实施例提供的一种模拟退火算法的化学合成指导方法的实验结果图；

图3为本发明实施例提供的另一种基于模拟退火算法的化学合成指导方法的流程示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1为本发明实施例提供的一种基于模拟退火算法的化学合成指导方法的流程示意图。

本发明针对遗传算法存在的不足以及稀土发光粉合成的指导方法过于单一的问题，提出一种基于模拟退火算法的发光粉合成的指导方法，本发明的基本思路仍然基于模拟退火算法。

一种基于模拟退火算法的化学合成指导方法，包括以下步骤：

步骤1：获取第一发光粉，并对第一发光粉进行编码从而构建第一和声记忆库，同时测定得到每个第一发光粉的第一量子产率，第一和声记忆库由若干第一和声构成。

需要说明的是，本申请中出现的和声，即为和声搜索算法中，对发光粉编码的另一种定义。

在一个具体实施例中，对初始的20个第一发光粉中的各具体元素含量进行测定，以每种相关元素占比的小数形式作为发光粉的编码，构建第一和声记忆库hm，同时测定每个第一发光粉的相对发光强度，计算得到第一量子产率。

具体地，针对第一发光粉的各元素配比进行十进制编码，编码后产生的数据即为第一和声记忆库hm的数据，将次数据作为本申请算法的直接处理对象。

在本申请中，第一发光粉的相对发光强度有不同的测定方法，常用的是通过稳态荧光光谱仪直接测试得到第一发光粉的相对发光强度。

本申请是通过激发光照射20个第一发光粉，然后用手机捕捉拍摄这20个第一发光粉，再使用计算机进行图像处理，获取每个第一发光粉的灰度值，再与参照物进行对比，就可以知道相对于参照物，每个第一发光粉的发光强度，从而得到每个第一发光粉的第一量子产率。

需要说明的是，在本申请中，采用的是第一种方法来测定第一量子产率。例如，参照物的图像的灰度值是100，合成的发光粉的图像灰度值是190，则得到的第一量子产率为1.9。

步骤2：根据第一和声记忆库设定初始参数，初始参数包括：第一和声记忆库取值概率、第一和声记忆库大小、音调微调概率。

进一步地，第一和声记忆库取值概率hmcr的取值范围为0～1。

在一个具体实施例中，第一和声记忆库取值概率hmcr的值为0.98。

进一步地，第一和声记忆库大小hms等于发光粉的个数。

在一个具体实施例中，可以取第一和声记忆库hms的大小为20。

进一步地，音调微调概率的par的取值范围为0～1。

在一个具体实施例中，音调微调概率的par的取值为0.47。

步骤3：构建metropolis接受准则，根据第一和声记忆库、第一量子产率、初始参数以及metropolis接受准则得到第二和声记忆库，第二和声记忆库由若干第二和声构成。

步骤3可以包括以下步骤：

步骤31：在第一和声记忆库hm中随机获取一个第一和声。

进一步地，r0、r1、r2均为小于1的正数。

需要说明的是，r0、r1、r2是由程序随机来决定的，有可能全部相同，也有可能全部不相同。

步骤32：获取第一和声的任一维度值，并随机获取三个正数r0、r1、r2，判断r1与第一和声记忆库取值概率的大小，若r1大于第一和声记忆库取值概率，则令该任一维度值等于r0；若r1等于或小于第一和声记忆库取值概率且r2大于等于音调微调概率，则令该任一维度值不变；若r1小于等于第一和声记忆库取值概率且r2小于音调微调概率，则令该任一维度值等于第一量子产率最高的第一发光粉的任意一个维度值，从而得到第三和声的一个维度值。

需要说明的是，一个和声由若干维度组成，本申请的是对不同维度进行对比，形成了另一个不同的和声。

步骤33：重复执行步骤(32)，直到得到第三和声的每一个维度值，从而形成第三和声；

需要说明的是，在对其余每一个维度值进行步骤32的重复时，r0、r1、r2都要随机获取一次。

通过步骤32～33得到的不同的新的维度值组成的数据作为一个第三和声。

步骤34：对第三和声进行归一化，得到一个第三发光粉。

归一化方式，也称为min-max标准化，归一化的公式为：

y=(x-min)/(max-min)

在本申请中，min的值为0，max的值第三和声每个维度值中的总和，x是第三和声中任意维度值。

对第三和声中的每个维度值进行归一化，合起来就是一个第三发光粉。

步骤35：构建metropolis接受准则对第一和声记忆库和第三发光粉进行处理，得到一个第二和声。

进一步地，步骤35还可以包括以下步骤：

步骤351：构建metropolis接受准则，并测定得到第三发光粉的第三量子产率。

进一步地，metropolis接受准则公式为：

其中，p为概率值，de为和声降温后的能量增加值，t为初始温度，δ为降温系数，k为步骤(c)～(d)的实验次数。

需要说明的是，t为第一发光粉的温度，而在算法中，温度只是表示一个值，并不是自然界中的温度；t的值与预期得到的发光粉的量子产率有关，一般来说，t的值与预期得到的发光粉的量子产率值相同或者相近；de为每次降温后，前后发光粉的量子产率的增加值，也就是前后和声的量子产率的增加值。

在本发明的一个具体实施例中，t的值设定为2.3，即为本申请预期得到的发光粉的量子产率为2.3或者接近2.3。

进一步地，δ的取值范围为0～1。

在本发明的一个具体实施例中，δ的值设定为0.4。

进一步地，k的起始值为1。

需要说明的是，δ的值与k值有关，δ的值与k值最终要使t*δ^k-1的值要接近0。假设本申请中迭代了4次，即k值为5，此时，t*δ^k-1的值为0.06，比较接近0。

步骤352：根据第一量子产率、第三量子产率、第一和声以及metropolis接受准则得到一个第二和声。对第一量子产率、第三量子产率进行判断，若第一量子产率小于第三量子产率，则令第一和声等于第三和声；若第一量子产率大于第三量子产率，则根据metropolis接受准则得到的概率令第一和声等于第三和声。

需要说明的是，若metropolis接受准则公式得到的概率是70％，则表示有70％的概率令第一和声等于第三和声。例如，总共进行了100次判断，程序会随机使第一和声等于第三和声70次左右，而第一和声不等于第三和声为30次左右。

步骤36：对其余的第一和声均重复步骤32～35，从而得到第二和声记忆库。

对其余的第一和声均经过步骤32～35的重复执行，得到若干第二和声，从而形成第二和声记忆库。

步骤4：根据第二和声记忆库得到第二量子产率，并进行筛选，从而得到符合目标的第二发光粉。

以期望得到的量子产率为标准，对第二量子产率进行筛选，从而得到符合期望量子产率的第二发光粉。

步骤6：更新metropolis接受准则，将第二和声记忆库赋值给第一和声记忆库，将第二量子产率赋值给第一量子产率，重复步骤(3)～(4)，直到得到符合目标的第二发光粉。

metropolis接受准则公式中的k值加1，然后第二和声记忆库赋值给第一和声记忆库，将第二量子产率赋值给第一量子产率，重新进行步骤(c)～(d)，得到新的第二和声记忆库，对该第二和声记忆库进行筛选，得到符合目标的新的第二发光粉。

如果没有找到符合目标的第二发光粉，则继续重复步骤5～6，直到找到符合目标的新的第二发光粉。

请参见图2，图2为图2为本发明实施例提供的一种模拟退火算法的化学合成指导方法的实验结果图，该实验以k值迭加到4时得到如图2所示的实验结果图，需要说明的是，不同种类的发光粉要得到预期发光粉需要重复步骤(c)～(d)的次数不同，即k值需要迭加的次数不同，具体情况根据不同的需要来定，本发明实施例在此不作限定。

一般情况下，第一遍算法执行过后并不能得到符合期望量子产率的第二发光粉，因此，需要再次以第二发光粉为基础，重复执行该算法，直到得到符合目标的第二发光粉。

本发明基于模拟退火算法，算法局部搜索能力相对更高，且不容易陷入局部最优，更有利对高量子产率发光粉的指导。

本发明中算法涉及到的参数更多，对于多个参数的调整及配合自由度更高，可以更有针对性的对不同的发光粉合成发挥效果。

实施例二

本实施例在上述实施例的基础上，对一种基于模拟退火算法的化学合成指导方法进行了另一种说明。

请参见图3，图3为本发明实施例提供的另一种基于模拟退火算法的化学合成指导方法的流程示意图。

一种基于模拟退火算法的化学合成指导方法，包括以下步骤：

步骤10：对发光粉编码构成第一和声记忆库。

步骤20：测量发光粉的量子产率作为适应度。

步骤30：确定初始温度，降温系数等初始值。

步骤40：从记忆库中选取编码hn以及随机获取r0、r1、r2。

步骤50：若r1大于和声记忆库取值概率hmcr，则令hni＝r0；若r1等于或小于第一和声记忆库取值概率且r2大于等于音调微调概率，则令hni不变；若r1小于或等于和声记忆库取值概率hmcr且r2小于音调微调概率par，则令hni＝hbj，其中hb为和声记忆库中量子产率最高的和声，i、j均表示和声的维度。

步骤60：根据nh合成新的发光粉并测量对应的量子产率。

步骤70：根据metropolis接受准则更新和声记忆库。

步骤80：重复执行步骤40～70，直到记忆库更新完毕。

步骤90：更新k值等参数并判断是否满足结束条件，若是，则结束程序，若否，则重新执行程序。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。