hybrydowe metody optymalizacji geometrii. prezentacja wyników
Post on 03-Jan-2016
44 Views
Preview:
DESCRIPTION
TRANSCRIPT
Hybrydowe metodyoptymalizacji geometrii.
Prezentacja wyników.
AnnaStyrcz
Idea projektu
Stworzenie uniwersalnego programu zarządzającego dużą liczbą obliczeń.
Możliwość korzystania z dowolnego programu do obliczeń kwantowochemicznych bez potrzeby ingerencji w kod źródłowy.
Wykorzystanie możliwości obliczeń równoległych, algorytmów genetycznych i symulowanego wyżarzania.
Wypróbowanie metod hybrydowych (połączenie omawianych algorytmów z metodami gradientowymi).
Algorytmy genetyczne – schemat działania
Losowewygenerowanie
populacjipoczątkowej
Ocena wszystkichosobników populacji
Czy koniecewolucji
?
Generowanie populacjipotomnej:
SelekcjaKrzyżowanie
Mutacja
Wypiszwynik
T N
Algorytmy genetyczne – kodowanie
Zamiana przedziału ciągłego na dyskretny mający 2l–1 wartości l
+
Zapis w postaci ciągu binarnego Kodowanie Graya (kolejne liczby różnią
się tylko o jeden bit)
Kod Graya
Liczba dziesiętna
Kod dwójkowy Kod Graya
0 0000 0000
1 0001 0001
2 0010 0011
3 0011 0010
4 0100 0110
5 0101 0111
Algorytmy genetyczne – operacje genetyczne
Selekcja ruletkowa (prawdopodobieństwo wybrania osobnika jest proporcjonalne do jego wskaźnika przystosowania)
Krzyżowanie jednopunktowe (krzyżowanie osobników macierzystych występuje w jednym losowo wybranym punkcie)
Mutacja wielopunktowa (każdy bit może ulec zmianie z jednakowym prawdopodobieństwem)
Symulowane wyżarzanie – schemat działania algorytmu
Losowaniepoczątkowegorozwiązania
Obliczenieenergii
Ustaleniepoczątkowejtemperatury
Losowazmianarozwiązania
Obliczenieróżnicyenergii
E > 0?
Zmieńrozwiązanie
Zmieńrozwiązaniez prawd.p=exp(-E/kT)
lit=l
max?
T=Tmin
?
Obniżtemperaturę
Zwróćrozwiązanie
T
N T
N
N T
Symulowane wyżarzanie – modyfikacje
Ustalenie początkowej temperatury Ustalenie szybkości chłodzenia Ustalenie długości kroku Możliwość ponownego podgrzania próbki Liczba kroków w danej temperaturze Ewentualna optymalizacja gradientowa
Schemat działania programu
GeneracjaPoczątkowegorozwiązania
Tworzeniedanychwejściowych
Dystrybucjadanych naposzczególnewęzły
Uruchomienieobliczeń na węzłach Uruchomienie
programuodzyskującegowyniki
WygenerowanieKolejnego rozwiązania
Czyosiągniętowarunekkończący
?
Końcowaoptymalizacja
NT
Wyniki – dekan – AM1
GA SA Hybrydowy Hybrydowy gradientowy
Energia
[eV]-1585.60 -1492.44 -1585.82 -1585.82 0 - -1585.82
Czas [s] 9889 5289 183 575 1-3* 76
Ilość wywołań
38131 9400 241 241 1- 76
Ilość procesorów
3 1 3 1 1
Wyniki - dekan
AM1 - 1585.82 eV
PM3 – 1526.39 eV AM1 – 1585.63 eV
PM3 – 1526.44 eV
Wyniki – dekan
Wyniki – dekan
Wyniki - ejkozan
AM1 - -3144.16299 eV PM3 - -3022.04712 eV
AM1 - -3143.80876 eV PM3 - -3021.79408 eV
Wyniki - ejkozan
Wyniki – 2,5,8-triethyl-3,6,9-trimethyl-1,4,7-oksatioazocyclononan – AM1
E = -3071.13 eV
t = 5951 s
N = 931
Wyniki – 2,5,8-triethyl-3,6,9-trimethyl-1,4,7-oksatioazocyclononan – AM1
Wyniki – 2,5,8-triethyl-3,6,9-trimethyl-1,4,7-oksatioazocyclononan – AM1
Wyniki – heteroatom – PM3
E = -3323.32007 eV
T = 9506 s
N = 631
Plany
Testy na większych układach Wykorzystanie do obliczeń pakietu
GAMESS Poprawa wydajności metody
symulowanego wyżarzania …
Koniec
top related