使用群集智能和进化算法优化同步辐射参数
Adnan Sahin Karaca1, Erkan Bostanci1, Didem Ketenoglu2
1Department of Computer Engineering, Ankara University, 06830 Ankara, Türkiye.
Journal of synchrotron radiation
|February 22, 2024
概括
粒子集群优化 (PSO) 通过优化光学元件参数,显著减少了同步仪光束线对齐时间. 这种群体智能方法优于其他进化算法,可以最大限度地提高流量并最大限度地减少点大小.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算物理 计算物理
- 同步子辐射科学科学
背景情况:
- 同步光束线对齐是耗时的,影响实验效率.
- 进化算法 (EAs) 和蜂群智能 (SI) 提供了优化解决方案.
- 优化光束流量和点大小对于实验成功至关重要.
研究的目的:
- 为两个不同的实验设置优化同步束流量和点大小.
- 为了比较各种EA和SI算法在光线优化中的性能.
- 确定最有效的算法来提高光线效率.
主要方法:
- 使用了X射线追踪器光束线模拟器.
- 实施并比较了基因算法 (GA),非主导排序基因算法II (NSGA-II),粒子群优化 (PSO) 和人工蜂群 (ABC).
- 通过蒙特卡洛模拟,执行单镜和多镜优化,包括镜头定位和柯克帕特里克-贝兹镜的焦距.
主要成果:
- 粒子优化 (PSO) 在所有测试的设置中都表现出卓越的性能.
- 在使用多目标NSGA-II.II.之前,比较单一目标算法.
- PSO 始终在优化流量和现场大小方面取得最佳结果.
结论:
- PSO是优化同步光束线光学元件的最有效算法.
- 该研究验证了SI和EA用于高效的光束线配置的使用.
- 使用PSO优化对齐可以节省宝贵的同步子束时间.
