论文部分内容阅读
金属团簇由于其特殊性质,广泛地应用于物理、化学等众多领域。合金团簇充分地利用多种金属之间的协同效应实现了材料的多功能特性,而其稳定结构则是研究这些多功能特性的重要基础,因此备受关注。利用势能函数求解合金团簇稳定结构优化时,随着合金原子数的增加,合金团簇体系势能面上的局部极小值个数将会呈现指数倍数的增长,使得寻找高效的结构优化算法变得至关重要。传统的求解方法由于其求解的效率,难以获得较好质量的解,所以基于进化算法的团簇结构全局优化算法应运而生。本文采用多体势Gupta势能函数来描述合金团簇原子之间的相互作用,以Fe-Pt二合金团簇为研究对象,结合合金团簇优化的不确定性,针对性地提出了基于改进的Basin-Hopping Monte Carlo(BHMC)算法和基于大数据框架Spark的并行改进BHMC算法来研究不同尺寸和不同比例下的Fe-Pt二合金团簇的结构稳定性。改进的BHMC算法,结合了单金属最优结构初始以提高初始解的质量,并针对合金团簇同分异构体问题,引入遗传局部优化算子以提高算法的全局寻优能力。基于Spark的并行改进BHMC算法,结合了大数据并行框架的优势,针对合金团簇稳定结构优化问题形成了适合的并行模型,并利用Spark本地模式下的多线程任务执行,成功实现了算法的并行化。本文实验首先利用改进的BHMC算法成功地寻优到FenPt24-n(n=0-24)二合金团簇的最优稳定结构,并通过算法改进前后实验对比充分地验证了改进算法有效性和稳定性。然后利用基于Spark的并行改进BHMC算法也成功地寻优得到FenPt24-n(n=0-24)二合金团簇的最优稳定结构,由于并行算法只是对已有的BHMC算法实现并行化处理,并没有改变算法本身的寻优策略,所以并没有找到原子数更多的Fe-Pt二合金团簇稳定结构。在这种情况下,本文基于的Spark的并行算法主要注重于对比串行算法和并行算法的实现效率。实验证明在现有的实验环境条件下,同等迭代步数时并行算法的最好加速比达到6.44倍,同等运行时间时并行算法相比串行算法得到的最优稳定结构更好。