磁绝缘线振荡器的自动优化设计.pdfVIP

第26卷第4期 强 激 光 与 粒 子 束 V01．26，No．4 2014年4月 HIGHPOWERLASERANDPARTIC：LEBEAMS Apr．，2014 磁绝缘线振荡器的自动优化设计’ 孙会芳， 李瀚宇， 姜幼明， 董 烨， 董志伟， 周海京 (北京应用物理与计算数学研究所，北京100094) 摘要： 为克服全电磁粒子模拟(PIC)程序不利于优化设计的弱点，提高高功率微波器件的优化设计水 平，将遗传算法与全电磁粒子模拟算法有机融合，研制出二维全电磁粒子模拟并行优化程序。据此对高功率微 波源器件——两个波段的磁绝缘线振荡器(MILO)：C-MILO和L-MILO进行优化设计。在输入功率不变的 条件下，原C-MILO效率为10．8％，经优化后效率为15．4oA；原L-MILO效率为12．6％，经优化后效率为 17．7％。由此得出，两类MILO模型经优化后在输入功率基本不变的情况下输出功率和效率都有很大程度的 提高，且模型几何参数合理，物理图像正确。 关键词：遗传算法；PIC程序；高功率微波器件；磁绝缘线振荡器；优化设计 中图分类号：TN753．4 文献标志码： A doj：10．11884／HPLPB201426．043004 当今高功率微波器件的研制都离不开全电磁粒子模拟(PIC)技术，基于PIC模拟的设计结果进行加工试 验大大减少了源器件的研制成本和周期，获得了可观的效益。但是PIC技术本身并不包含寻优技术，目前基 于PIC技术的器件设计主要以参数扫描方式针对各个参量依次进行数值模拟从中人为寻优，这个过程不仅非 常缓慢、效率低下、费时费力，而且真正的最优值可能永远也无法找出[1]。遗传算法可以弥补PIC算法的不 足，它不依赖于问题的具体领域，具备全局寻优能力，可以实现对复杂系统的全局优化[2]，同时还具有效率较高 和易于并行计算等优点。遗传算法已经在很多领域获得了广泛的运用[2。4]。本文将遗传算法和二维PIC程序 (karat)有机融合，并充分利用本单位的大型计算机资源，研制出含有遗传算法的二维并行优化程序，并利用该 优化程序对典型的高功率微波源器件磁绝缘线振荡器(MILO)进行了初步的优化设计。 1二维并行优化程序简介 1．1遗传算法简介 遗传算法是美国密执根大学Holland教授模拟生物进化方式而提出的一种优化算法[2]，它借鉴生物界的 进化规律，仿效生物的进化与遗传，根据“生存竞争”和“优胜劣汰”的原则，借助选择、交叉和变异操作，使所要 解决的问题从初始解一步步地逼近最优解。具体操作原理和流程如下： 首先对优化问题的解进行编码，这些编码按生物学的术语称为染色体或个体，一个解通常包括多个分量， 称为基因；根据优化目标来定义适应度函数，每个解(个体)的优劣通过其适应度函数值来代表，按照“优胜劣 汰”的自然选择规律，个体生存或淘汰的概率由其适应度函数值的大小决定；初始种群的生成一般采用随机产 生初始种群或通过其他方法构造一个初始种群；借助选择、交叉和变异三个遗传算子进行进化操作，根据适应 度函数值大小“优胜劣汰”生成下一代个体，进而组成下一代种群，如此循环，经多次迭代，使种群中个体适应度 函数值越来越高，迭代过程结束后，选取适应度值最大的个体，即最优解作为优化问题的计算结果。 1．2基于遗传算法的二维并行优化程序简介 基于遗传算法编制了优化程序的主体，器件的优化设计可转化为极大目标函数的优化问题，因此将适应度 函数设定为目标函数，采用二进制编码，初始群体随机选取，以一个概率分布——轮盘赌的形式选取个体构成 种群，交配(交叉)采用常规方法——一对个体(染色体)按随机位交换基因，个体中的每一个基因都以相同的概 率变异。 基于遗传算法进行高功率微波器件的优化设计，计算量大，耗时长，常规微机基本是无能为力。因此采用 并行计算技术并借助高性能计算机成为研究工作的必然选择。我们采用“主从式并行遗传算法”，即整个并行 程序分为主程序和从程序两个独立程序，主程序的内核是遗传算法，从程序的内核是二维PIC程序——karat *收稿日期：2013—09-18；修订日期：2013一I卜ll 作者简介：孙会芳(1974一)．女，硕士，副研究员，从事高功率微波领域研究；surt_huifang@i