基于X射线衍射数据的化合物原子晶体结构建模自配置遗传算法的应用

注解: 本文研究的主题是评估使用全局优化（GSA）的自配置遗传算法自动执行基于粉末X射线衍射数据确定新物质原子晶体结构的任务的可能性和有效性程 提出的caa算法的变体是关于确定化合物Ba2CrO4的已知晶体结构的问题进行研究的，其中要求在基本晶体单元中找到7个独立原子的位置。 为了分析有效性并确定结构模型在进化搜索过程中向这种物质的真实结构收敛的频率，对结构模型和遗传操作类型的不同群体的CAA进行了几十次发 自配置方法的实质是，从所提出的其可能变体集合中选择，交叉和突变的最优遗传算子的选择是由caa算法本身在解决问题的过程中进行的。 选择算子以生成下一代结构模型群体的概率是根据使用这些算子在上一代进化的成功进行调整的。 这导致自动选择最佳算子，以确保结构模型收敛到真正的晶体结构。 阻碍使用随机进化遗传算法进行结构分析的主要问题之一是需要对遗传算子进行非平凡的经验选择。 首次提出了在基于X射线衍射数据的化学化合物原子晶体结构建模任务中使用自可配置遗传算法自动选择最优遗传算子的方法。 当通过CAA确定Ba2CrO4的晶体结构时，收敛到该物质的真实结构的频率为80％。 这使得开发基于X射线衍射数据的结构分析的自动化进化遗传算法成为可能。

出版日期: