[发明专利]一种并行粒子群合金纳米粒子结构优化方法及系统

权利要求书

1.一种并行粒子群合金纳米粒子结构优化方法，其特征在于，所述方法包括：

在CPU单元中构建合金纳米粒子集合；所述合金纳米粒子集合包括多个个体；每个所述个体表示一种合金纳米粒子结构；每种所述合金纳米粒子结构表示多个原子在空间的坐标位置，且每种所述合金纳米粒子结构中同种类型的原子个数比例不变；

在CPU单元中对运行参数进行初始化；所述运行参数包括合金纳米粒子集合的个体数、个体的初始速度和初始位置、每个合金纳米粒子的初始结构、初始线程数、总迭代次数；

构建GPU运行单元；所述GPU运行单元中包括若干个网格；每个所述网格包括若干个块；每个所述块包括若干个线程；每个线程使用40个寄存器；每个原子占用一个线程来计算原子势能；其中，通过NVIDIA Parallel Nsight调试计算不同线程数下Gupta函数的平均耗时，选择平均耗时最短的线程数确定为每块中的线程个数；所述合金纳米粒子集合所需的块数为合金纳米粒子集合的个体数/(线程数+1)；

将初始化后的运行参数发送至所述GPU运行单元，并在所述GPU运行单元中运行粒子群改进算法来优化合金纳米粒子结构；其中，将当前迭代确定的最优个体与存储在CPU单元的个体进行比较更新，确定在CPU单元存储的最终个体。

2.根据权利要求1所述的并行粒子群合金纳米粒子结构优化方法，其特征在于，所述在所述GPU运行单元中运行粒子群改进算法来优化合金纳米粒子结构，具体包括：

利用Gupta函数，计算每个所述个体的Gupta势能值，并选出第一个体，记录当前迭代次数；所述第一个体为所述合金纳米粒子集合中Gupta势能值最小的个体；

判断所述第一个体的Gupta势能值是否小于CPU单元存储的个体的Gupta势能值，得到第一判断结果；

若所述第一判断结果表示所述第一个体的Gupta势能值小于CPU单元所存储的个体的Gupta势能值，则将CPU单元存储的个体删除，将所述第一个体存储到CPU单元中；

若所述第一判断结果表示所述第一个体的Gupta势能值大于或者等于CPU单元所存储的个体的Gupta势能值，则保持CPU单元存储的个体不变；

判断所述当前迭代次数是否小于总迭代次数，得到第二判断结果；

若所述第二判断结果表示当前迭代次数小于总迭代次数，则更新所述合金纳米粒子集合，返回利用Gupta函数，计算每个所述个体的Gupta势能值的步骤；

若所述第二判断结果表示当前迭代次数等于总迭代次数，则输出CPU单元存储的个体。

3.根据权利要求2所述的并行粒子群合金纳米粒子结构优化方法，其特征在于，所述更新所述合金纳米粒子集合，具体包括：

采用速度公式更新个体的速度；

采用位置公式更新个体的位置；

采用交换子交换序的原子位置迁移算法，更新个体的结构。

4.根据权利要求3所述的并行粒子群合金纳米粒子结构优化方法，其特征在于，所述速度公式为所述位置公式为X'_k＝X_k+V′_k；其中，V′_k表示第k个个体更新后的速度，V_k表示第k个个体的当前速度，ω为惯性权重，α,β为0-1之间随机数，X_k表示第k个个体的当前位置，P_k表示第k个个体自身当前达到的最优位置，X'_k表示第k个个体更新后的位置，G_b表示种群当前目标最近的位置。

5.根据权利要求3所述的并行粒子群合金纳米粒子结构优化方法，其特征在于，所述采用交换子交换序的原子位置迁移算法，更新个体的结构，具体包括：

将所述合金纳米粒子集合中任意两个个体进行比较，挑选出在相同坐标位置上具有不同类型原子的两个个体并关联，然后将关联的两个个体互相交换在相同坐标位置上的不同类型的原子；

计算自适应调整概率，确定每个个体调整的原子个数；其中，所述自适应调整概率为根据当前迭代次数、上一次自适应调整概率和上一次成功调整次数所确定的一种概率；

根据每个个体调整的原子个数，将每个个体中不同坐标位置上不同类型的原子进行随机交换，从而得到更新后的个体结构。