发布日期：2019年5月7日 作者:朱长江 编辑：冯建强 审核：帕尔哈提江·吐尔孙

朱长江硕士的报告题目是《金纳米颗粒粒度测量的优化算法研究报告》，为了同时获得非球形金属纳米颗粒的两个维度的尺寸信息。将优化多元函数的遗传算法应用于金属纳米颗粒的粒径分布和浓度反演中。目前，对于非球形金属纳米颗粒的粒径分布和浓度的反演问题，是一个未知量个数较多的多元函数的优化，此问题较复杂，先从较简单的球形金纳米颗粒的粒径分布和浓度的反演问题入手，先假定颗粒满足高斯分布。这就变成一个3元函数的优化，进而问题变得简单了许多。目前，将遗传算法应用于球形金属纳米颗粒的反演，先模拟出一条均值直径为40nm,标准差为3，光程为1，颗粒数浓度为1x10¹¹个/mL的光谱,如图1所示：

图1 直径为40nm,标准差为3，光程为1，颗粒数浓度为1x10¹¹个/mL的光谱和粒径分布

对于参数的选择是遗传算法的至关重要的。先对于变异概率进行选择，在在种群规模为50，迭代次数为500，优化参数个数为3，交叉概率为0.75，波长范围为500-600nm,变异概率变化如表1所示：

表1 反演结果随变异概率变化表格

比较起来，变异概率为0.15下的结果更加接近光谱的仿真参数。对于变异概率为0.15时，交叉概率进行选择，在种群规模为50，迭代次数为500，优化参数个数为3，波长范围为500-600nm，波长数目为11交叉概率变化如表2所示下：

表2 反演结果随交叉概率变化表格

由上表可知：交叉概率为0.75时，对于波长个数的选择也很重要，由于经验常识知，波长数目越多则迭代时间越久，且越精确，波长数目越少，迭代时间越久，但是反演结果越不准确。所以为了平衡反演所需的时间与准确度二者的要求。现在对波长的范围和数目进行变化比较，在在种群规模为50，迭代次数为500，优化参数个数为3，交叉概率为0.75，变异概率为0.15下，如表3所示：

表3 反演结果随波长范围和数目变化表格

对于反演结果较好的哪一组数据与原光谱和粒径分布进行对比。如图2所示：

图2 反演结果和原始的模拟反演结果对比图

作者：朱长江

编辑：冯建强

审核人：帕尔哈提江·吐尔孙