[发明专利]基于遗传算法的TEC最佳工作状态优化方法、设备

权利要求书

1.一种基于遗传算法的TEC最佳工作状态优化方法，用于得到能够使TEC制冷端实际制冷量Q_C以及制冷效率ε最大化的温差和电流，包括以下步骤：

步骤一：随机生成包含多个个体的初始种群；每个个体对应一组个体数据，一组个体数据包括两个随机数，分别对应温差和电流，对个体数据进行二进制编码；循环次数N＝0；

步骤二：设置适应度函数Y＝W₁*Q_C+W₂*ε，计算每个个体的适应度函数值；其中W₁为实际制冷量Q_C的权重，W₂为制冷效率ε的权重；

步骤三：使用轮盘赌选择法，选择种群中的优质个体；

步骤四：对每两个相邻个体生成随机数K₁，当K₁大于概率预设值时，将对应的两个相邻个体进行单点互换基因；

步骤五：对每个个体生成随机数K₂，当K₂小于变异概率预设值时，将对应个体的任意一个位置进行变异，得到新的种群；循环次数N＝N+1；

循环进行步骤二、三、四、五，当相邻两次循环中任意一个个体的适应度函数值差值小于Y_T时，停止循环，Y_T为适应度函数预设值；将最后一次生成的种群中具有最大适应度函数值的个体数据，转换为十进制，得到温差和电流，作为能够使TEC处于最佳工作状态的温差和电流。

2.根据权利要求1所述的基于遗传算法的TEC最佳工作状态优化方法，其特征在于：所述TEC应用在激光器中；步骤二中，W₁＝0.7，W₂＝0.3。

3.根据权利要求1所述的基于遗传算法的TEC最佳工作状态优化方法，其特征在于：当循环次数N≥N_max或者相邻两次循环中任意一个个体的适应度函数值的差值小于Y_T时，停止循环；N_max为循环次数最大值。

4.根据权利要求1所述的基于遗传算法的TEC最佳工作状态优化方法，其特征在于：步骤三中选择种群中的优质个体时，分别计算每个个体的适应值占比，进而计算各个体的适应值累积占比；对每个个体生成随机数K₃，根据随机数K₃是否落在对应个体的适应值累积占比区间完成优质个体的选择。

5.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的优化方法。