[发明专利]基于蚁群算法的光学薄膜膜系优化设计

说明书

技术领域

本发明涉及智能计算和薄膜光学两大领域。主要涉及的是光学薄膜膜系的 自动优化设计。

背景技术

薄膜光学是光学的一个重要分支。光学薄膜器件也广泛地应用于各种光学系 统中。在很多时候，其设计好坏将直接影响到整个系统的性能。光学薄膜器件 可以很出色地完成诸如增反、增透、滤光、分光以及起偏、消偏等光学处理， 同时也可以为光学系统中的低色散以及低损耗做出贡献；

光学薄膜的设计一般分成规整与非规整两个方向。规整膜系一般有较为固定 的折射率和光学厚度结构，故其设计简单，工艺实现也很简单，但是由于结构 的相对固定，也造成了其光谱实现上的缺陷。它只能满足一些特定的光谱设计 要求。非规整膜系的设计一般来说是部分固定或者完全不固定光学薄膜膜系结 构，然后采取数学的方法对膜系得相关参数进行优化，并通过输出膜系的评价 函数值判定收敛。现有的非规整膜系的设计方法有，遗传算法、退火算法以及 针形等。

随着现代随机优化技术的不断发展，出现蚁群算法的这种高效的优化方法。 它是根据蚂蚁搜索食物源的行为来求解最优化问题。将自然世界中的蚂蚁转化 成人工蚂蚁，并将蚂蚁的释放信息素的生物行为与优化结果结合起来。蚁群算 法具有正反馈性、并行性、强收敛性、以及鲁棒性等优点，已经成功地解决了 诸如旅行商问题、二次分配问题等数学问题。该方法具有较强的全局搜索能力 和寻优能力，同时也具有较好的收敛速度。因此，十分适合光学薄膜膜系设计 的优化过程。

发明内容

本发明将蚁群算法运用到光学薄膜膜系的优化设计中，该方法的优点在于：

1、模型简单，易于编程；

2、可进行并行操作，提高优化效率；

3、有较快的收敛速度，对于膜层不多的膜系系统，相对其他的优化设计 方法，可以在短时间内收敛得到很好的结果；

运用蚁群算法实现光学薄膜膜系优化设计的具体步骤包括：

1)将各膜层厚度在其解空间Ω_i内进行离散化，并将这一系列的离散值映射 到基于蚁群算法实现光学薄膜膜系设计构造图中；每个离散的节点对应于膜层 中一个光学厚度值。具体方式可以参照说明书附图1。图中坐标为(i，j)的节点表 示，折射率为ni的第i层膜的光学厚度为nd(i，j)。nd(i，j)为待求光学薄膜膜系的 第i层薄膜厚度解空间中的一个值。当前蚂蚁自第1层出发，通过一定几率选择 第2层的某个节点，并以此类推，到达第N(待求膜系的层数设计值)层止。 层数选择依顺序进行，并且每层只能选择一个节点；

2)设定基于蚁群算法实现光学薄膜膜系设计构造图中的每个节点的初始信 息素矩阵P₀和P_ij。其中P₀为起始层的信息素分布。设起始层的节点数为m₁，则 P₀为一长度是m₁的矩阵，其中每一个元素代表着到第一层中某个节点的路径上 的信息素分配；P_ij表示说明书附图1中，第i行第j列的信息信息素分配。如果 第i+1行的节点数位m_i+1，则P_ij为一长度是m_i+1的矩阵，其中每一个元素代表 着到从该节点到下一层中某个节点的路径上的信息素分配。P_ij中的每个元素值 分别对应于选择在当前节点上选择下一层膜各个节点路径上的信息素。i的取值 范围为[1，N-1]，其中N为设定的膜层数；j的取值范围为[1，m_i]，m_i为第i层 的节点数。在该步骤中，对上述的信息素矩阵进行初值设定，这些值将在后面 的优化过程中发生改变并作为蚁群中的蚂蚁前进的依据。同时该步骤还要完成 关于蚁群的一些参数的初值设定，这其中包括：收敛评价函数方差σ_min、收敛蚁 群个数G_max、最大循环数G_max以及信息素蒸发系数α、信息素增量系数β、信息 素增量衰减系数γ等；最后设置当前蚁群个数G＝1以及循环次数G_n＝1；