[发明专利]一种基于量子粒子群优化的建筑材料复介电常数提取方法

权利要求书

1.一种基于量子粒子群优化的建筑材料复介电常数提取方法，其特征在于，包括以下步骤：

S1：在毫米波频段，利用自由空间法测得建筑材料的反射系数和透射系数的实际值；

S2：设定种群规模T、迭代次数的上限为M以及复介电常数中实部的相对介电常数范围和虚部的电导率σ范围，根据菲尼尔反射定理计算得到反射系数和透射系数的理论值，即考虑电磁波在媒介中传播的实际情况，单层均匀结构的反射系数Γ和透射系数Τ的表达式为：

其中，Γ'表示介质分界面处反射系数，Τ'表示介质分界面处透射系数；

在水平极化时介质分界面处反射系数Γ'_||和透射系数Τ'_||表示为：

其中，θ_i表示入射角，d表示被测材料的厚度，c表示光在真空中的速度，f表示频率,ε_r表示复介电常数；

在垂直极化介质分界面处反射系数Γ'_⊥和透射系数Τ'_⊥表示为：

当电磁场的入射方向垂直于被测材料时，介质分界面处反射系数Γ'和穿透系数Τ'的表达式分别为：

S3：初始化复介电常数，并计算适应度函数Fitness；

S4：更新全局最优值Gbest_ij和个体最优值Pbest_ij，并计算平均粒子最优位置，即在粒子群算法中，使用群体最优值Gbest_ij、个体最优值Pbest_ij、粒子速度信息V_ij和位置信息X_ij，基本粒子群优化算法的第t+1次迭代的进化方程为：

V_ij(t+1)＝V_ij(t)+c₁·r₁·(Pbest_ij(t)-X_ij(t))+c₂·r₂·(Gbest_ij(t)-X_ij(t))；

X_ij(t+1)＝V_ij(t+1)+X_ij(t)；

其中，c₁，c₂表示学习因子，r₁，r₂表示(0,1)之间的随机数；

S5：基于粒子群算法，计算吸引点P_ij并将吸引点P_ij建立在δ势阱上，构建量子粒子群优化模型，即每个粒子的收敛过程是以个体最优值Pbest_ij和群体最值Gbest_ij的加权平均值为吸引点并逐渐趋向于该吸引点P_i，该吸引点计算公式为：

其中，P_ij(t+1)表示第t+1次迭代的吸引点，Pbest_ij(t)表示第t次迭代的个体最优值，表示第t次迭代的全局最优值，为随机因子，取值范围为(0,1)之间的随机数；

S6：对实测数据和理论数据进行曲线拟合，通过个体平均最优值Mbest_ij与粒子当前位置X_ij，计算出δ势阱的特征长度L；

S7：根据δ势阱的特征长度L和吸引点P_ij更新粒子位置X_ij，并更新全局最优值Gbest_ij和个体最优值Pbest_ij，将Mbest_ij称为平均最优位置，是所有粒子个体最优位置信息Pbest_ij的中心点，表示为：

对粒子位置的概率密度函数|Ψ(x)|²通过积分可以求出粒子的概率分布函数F(y)，表示为：

然后利用蒙特卡罗随机模拟的方式对概率分布函数F(y)进行逆变换，则可得到关于粒子的位子随机方程：

其中，u是(0,1)区间的均匀分布的随机数；X_ij(t)是第i个粒子在第t次迭代的第j维坐标的取值，β为压缩扩张因子，用来调节粒子的收敛速度，且取+和-的概率均为0.5；

S8：判断是否超出种群规模T且超过迭代次数的上限M，若是则输出适应度函数Fitness最小时匹配的复介电常数，否则返回步骤S5。