CN105718609A - 一种基于遗传算法的辐射探测器能响补偿片设计方法 - Google Patents
一种基于遗传算法的辐射探测器能响补偿片设计方法 Download PDFInfo
- Publication number
- CN105718609A CN105718609A CN201410720764.8A CN201410720764A CN105718609A CN 105718609 A CN105718609 A CN 105718609A CN 201410720764 A CN201410720764 A CN 201410720764A CN 105718609 A CN105718609 A CN 105718609A
- Authority
- CN
- China
- Prior art keywords
- genetic algorithm
- parameter
- radiation detector
- design method
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Measurement Of Radiation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于遗传算法的辐射探测器能响补偿片设计方法,包括以下步骤:首先根据遗传算法对编码方式进行定义;然后对适应度进行定义;再通过遗传算法控制参数设置;针对设置的相关参数进行种群初始化;最后通过蒙卡程序进行适应度计算;通过计算结果将满足条件的参数输出,不满足条件的参数重新回到上述种群初始化步骤,重新进行遗传操作直至结果满足输出的条件。本发明的设计方法能够获得最优化的能响补偿片的参数,解决了传统补偿片设计方法的不足。
Description
技术领域
本发明属于辐射探测领域,具体涉及一种基于遗传算法的辐射探测器能响补偿片设计方法。
背景技术
在电离辐射测量中,常用的辐射探测器如热释光剂量计、气体探测器、半导体探测器等,都不是严格意义上的组织等效或者空气等效材料;用于剂量测量时,探测器对不同能量射线的响应差别是比较大的,例如硅半导体探测器对60keV~3MeV范围内光子的响应差别可以到两个数量级。因此,采用合适的方法对探测器的能量响应进行补偿,是剂量监测仪表开发中的一个重要方面。其中,“硬补偿”是常见的一种能响补偿方式,即设计合适的能响补偿片,改变探测器对不同能量射线的响应,使监测仪表对规定能量范围内射线的响应差别在一个可接受的范围之内。
探测器的能量响应会受到多种因素的影响,如补偿片的材料类型、厚度、开孔方式、空隙率等;补偿片的设计也就是对相关参数的一个优化选取过程,从而使探测器的能量响应满足要求。目前,补偿片的设计基本上都采用经验选择→实测或模拟计算反馈→多次修改尝试的模式。这种设计模式存在两个问题:一是设计过程对研究人员的经验依赖比较大,尝试过程往往是一项费时费力的工作;二是补偿片参数与补偿效果之间的关系是非线性的,并且参数的经验选择具有一定的随机性,因此最终确定的补偿条件即使能满足能响补偿的要求,但不一定都是最优解。
为了能够弥补上述补偿片设计方法的不足,本专利基于遗传算法,提出了一种辐射探测器能响补偿片的优化设计方法。
遗传算法是20世纪60年代后期由美国Holland教授根据生物进化模型提出的一种最优化方法,具有全局搜索、智能性、并行性、简单通用等特点,已经被广泛应用于实际工程问题中。从本质上将,辐射探测器能响补偿片的优化设计也是一个多变量目标函数的最优化求解问题,很适合采用遗传算法进行处理。
发明内容
针对现有技术中存在的缺陷,本发明提供一种基于遗传算法的辐射探测器能响补偿片的设计方法,该方法能够获得能响补偿片的最优参数,弥补了传统补偿片设计方法的不足。
为达到以上目的,本发明采用的技术方案是:提供一种基于遗传算法的辐射探测器能响补偿片的设计方法,包括如下步骤:
(1)首先根据遗传算法对编码方式进行定义,即将所述补偿片的相关参数转化为遗传算法中需要的串格式;
(2)然后根据遗传算法对适应度进行定义,即在补偿片优化设计应用时,采用能量响应的一致性参数来表示,即Max|(Ri-R0)/R0|,然后取其中最大的值作为适应度;其中,Ri和R0分别是探测器对规定能量范围内的射线和参考能量射线的响应;
(3)再设置遗传算法的控制参数,即确定交叉和变异概率;
(4)针对设置的相关参数进行种群初始化;即将上述设置相关参数作为一个个体,并将多个个体集合一个种群,从群体中选择符合要求的个体,进行复制、交叉、变异;
(5)最后通过已有的蒙卡模拟程序进行适应度计算,获取补偿片相关参数的最优解。
进一步,在步骤(1)中,所述相关参数包括补偿片的材料类型、材料厚度以及空隙率。
进一步,在步骤(1)中,编码过程中采用混合编码方式,其中,所述材料类型采用字符串编码,所述材料厚度以及空隙率采用二进制编码。
进一步,在进行所述材料厚度以及空隙率进行编码时,要根据先验条件,确定最优解存在的最小参数范围。
进一步,编码位长度的确定要综合考虑补偿效果对补偿参数的敏感性以及优化过程的收敛速度。
进一步,步骤(5)中,在使用蒙卡模拟程序时,先对编码串进行解码得出对应的补偿参数,通过模拟计算得出辐射探测器对入射射线的响应。
进一步,步骤(5)中,在使用蒙卡程序时,射线能量应该优先选取边界和响应最值附近以及对补偿参数比较敏感范围内的能量值。
本发明的有益技术效果在于:
本发明通过采用上述流程编写程序,就可以将遗传算法应用于辐射探测器能响补偿片的优化设计中,获得适合的能响补偿片参数,从而保证辐射探测器对不同能量射线的响应,使辐射探测器对规定能量范围内射线的响应差别在一个可接受的范围内。
附图说明
图1是本发明能响补偿片设计方法的流程图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步详细的描述。
本发明补偿片设计方法就是利用遗传算法的基本思想,再通过调用已有的蒙卡模拟计算程序来实现的,如图1所示,该设计方法包括如下步骤:
(1)首先根据遗传算法对编码方式进行定义。也就是将补偿片的相关参数,主要是材料类型、厚度、空隙率,转换为遗传算法中需要的串格式。其中,编码过程采用混合编码方式,即:材料类型采用字符串编码,材料厚度和空隙率采用二进制编码。对厚度和空隙率进行编码时,要先根据先验条件,确定最优解存在的最小参数范围,减小搜索范围,提高计算效率。编码位长度的确定要综合考虑补偿效果对补偿参数的敏感性以及优化过程的收敛速度,有助于在短时间内获得高精度的全局最优解。
(2)然后根据遗传算法对适应度进行定义。在补偿片优化设计应用时,遗传算法中的适应度用能量响应的一致性参数来表示,即Max|(Ri-R0)/R0|;其中,Ri和R0分别是探测器对规定能量范围内的射线和参考能量射线的响应。在遗传算法的操作中,编码串的一致性参数越小,表示补偿效果越好,被复制的概率也就越高。
(3)再设置遗传算法的控制参数。即确定交叉和变异概率。由于遗传算法属于公知技术,在本发明中没有体现,在这里进行简要说明:遗传算法的控制参数主要是指基因(即补偿片参数的编码表示)的复制、交叉和变异概率。在设置遗传算法的控制参数时,通常会为交叉和变异概率赋予0-1的初值;复制概率根据遗传算法的计算结果而定。
遗传算法求解优化问题很大程度取决于搜索的的广度和深度之间的平衡,而交叉概率和变异概率参数的大小都是决定搜索广度和深度的重要因素,不同的参数配置对优化的结果有显著的影响,通常交叉的概率越高,算法就可以最快的收敛到最优解区域。
(4)针对设置的相关参数进行种群初始化。种群初始化是将上述设置的相关参数作为一个个体,并将多个个体集合一个种群,从种群中选择符合要求的个体,进行复制、交叉、变异。本发明的种群初始化是把某些先验知识转化为必须满足的一组要求,然后在满足这些要求的解中随机选取,这种选择初始种群的方法可以较快的得到最优解。
复制:是从群体中选择出较适应环境的个体。这些选中的个体用于繁殖下一代。由于在选择用于繁殖下一代的个体时,是根据个体对环境的适应度而决定其繁殖量的,故而有时也称为非均匀再生。
交叉:是在选中用于繁殖下一代的个体中,对两个不同的个体的相同位置的基因进行交换,从而产生新的个体。
变异:是在选中的个体中,对个体中的某些基因执行异向转化。
(5)最后通过已有的蒙卡模拟程序进行适应度计算。适应度的计算通过调用已有的蒙卡模拟程序来实现。调用蒙卡程序时,先对编码串进行解码得出相对应的补偿参数,由此模拟计算探测器对入射射线的响应。蒙卡模拟程序的运行时间是整个优化过程耗时的主要部分,在调用蒙卡程序时应注意:射线能量应该优先选取边界和响应最值附近以及对补偿参数变化比较敏感范围内的能量值。
适应度的计算过程为:①根据编码方式将字符串编码转换为相应的补偿片参数,根据补偿片参数设置蒙卡程序的几何和物理参数(该过程属于蒙卡程序的公知技术);②在该编码条件对于的参数下,计算探测器对不同能量的入射射线的响应值(该计算过程也是蒙卡程序的公知技术);③计算各个能量对应的响应值Ri与参考能量(以γ射线为例,参考能量通常取662keV)对应的响应值R0的相对偏差的绝对值|(Ri-R0)/R0|,然后取其中的最大值作为适应度。
(6)根据计算的结果,判断是否满足终止条件,如果得出的参数满足设定的要求,说明已找到最佳参数,输出结果,程序结束;否则,返回上述步骤(4),重新进行遗传操作,复制、交叉、变异,直至结果满足输出的条件。
根据上述流程编写程序,就可以将遗传算法应用于探测器能响补偿片的优化设计中,利用遗传算法的优点避免传统设计方法的不足之处。
上述流程中“遗传算法控制参数设置”、“种群初始化”和“遗传操作”属于遗传算法中的公知技术。
遗传算法(GeneticAlgorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法,它是从代表问题可能潜在的解集的一个种群开始的,而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,其内部表现(即基因型)是某种基因组合,它决定了个体的形状的外部表现。因此,在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂,我们往往进行简化,如二进制编码,初代种群产生之后,按照适者生存和优胜劣汰的原理,逐代演化产生出越来越好的近似解,在每一代,根据问题域中个体的适应度大小选择个体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境,末代种群中的最优个体经过解码,可以作为问题近似最优解。
蒙卡模拟程序是由美国洛斯阿拉莫斯国家实验室(LosAlamosNationalLaboratory)开发的一套模拟中子、光子和电子在物质中输运过程的通用蒙特卡罗计算程序。MCNP具有几何处理能力强,物质反应截面丰富,计算功能全面,可以使用多种减小方差技巧等优点。MCNP的使用比较简单,不需要编写复杂的程序,使用者只需要对于所要计算的问题编写一个简单的输入文件,通过输入文件将问题的具体参数、要求解的项目等内容描述出来。
本发明基于遗传算法的辐射探测器能响补偿片设计方法,并不限于上述具体实施方式,本领域技术人员根据本发明的技术方案得出其他的实施方式,同样属于本发明的技术创新范围。
Claims (7)
1.一种基于遗传算法的辐射探测器能响补偿片的设计方法,包括如下步骤:
(1)首先根据遗传算法对编码方式进行定义,即将所述补偿片的相关参数转化为遗传算法中需要的串格式;
(2)然后根据遗传算法对适应度进行定义,即在补偿片优化设计应用时,采用能量响应的一致性参数来表示,即Max|(Ri-R0)/R0|,然后取其中最大的值作为适应度;其中,Ri和R0分别是探测器对规定能量范围内的射线和参考能量射线的响应;
(3)再设置遗传算法的控制参数,即确定交叉和变异概率;
(4)针对设置的相关参数进行种群初始化;即将上述设置相关参数作为一个个体,并将多个个体集合一个种群,从群体中选择符合要求的个体,进行复制、交叉、变异;
(5)最后通过已有的蒙卡模拟程序进行适应度计算,获取补偿片相关参数的最优解。
2.如权利要求1所述的一种基于遗传算法的辐射探测器能响补偿片设计方法,其特征是:在步骤(1)中,所述相关参数包括补偿片的材料类型、材料厚度以及空隙率。
3.如权利要求1所述的一种基于遗传算法的辐射探测器能响补偿片设计方法,其特征是:在步骤(1)中,编码过程中采用混合编码方式,其中,所述材料类型采用字符串编码,所述材料厚度以及空隙率采用二进制编码。
4.如权利要求3所述的一种基于遗传算法的辐射探测器能响补偿片设计方法,其特征是:在进行所述材料厚度以及空隙率进行编码时,要根据先验条件,确定最优解存在的最小参数范围。
5.如权利要求3所述的一种基于遗传算法的辐射探测器能响补偿片设计方法,其特征是:编码位长度的确定要综合考虑补偿效果对补偿参数的敏感性以及优化过程的收敛速度。
6.如权利要求1所述的一种基于遗传算法的辐射探测器能响补偿片设计方法,其特征是:步骤(5)中,在使用蒙卡模拟程序时,先对编码串进行解码得出对应的补偿参数,通过模拟计算得出辐射探测器对入射射线的响应。
7.如权利要求1所述的一种基于遗传算法的辐射探测器能响补偿片设计方法,其特征是:步骤(5)中,在使用蒙卡程序时,射线能量应该优先选取边界和响应最值附近以及对补偿参数比较敏感范围内的能量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410720764.8A CN105718609B (zh) | 2014-12-02 | 2014-12-02 | 一种基于遗传算法的辐射探测器能响补偿片设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410720764.8A CN105718609B (zh) | 2014-12-02 | 2014-12-02 | 一种基于遗传算法的辐射探测器能响补偿片设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105718609A true CN105718609A (zh) | 2016-06-29 |
CN105718609B CN105718609B (zh) | 2020-07-03 |
Family
ID=56146199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410720764.8A Active CN105718609B (zh) | 2014-12-02 | 2014-12-02 | 一种基于遗传算法的辐射探测器能响补偿片设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105718609B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3852798A (en) * | 1972-03-14 | 1974-12-03 | Philips Corp | Electroluminescent device |
CN1904712A (zh) * | 2006-07-28 | 2007-01-31 | 中国科学院光电技术研究所 | 一种基于遗传算法的自适应校正激光器像差的装置 |
CN103618317A (zh) * | 2013-11-05 | 2014-03-05 | 苏州市华安普电力工程有限公司 | 一种变电工程的先进无功功率补偿方法 |
-
2014
- 2014-12-02 CN CN201410720764.8A patent/CN105718609B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3852798A (en) * | 1972-03-14 | 1974-12-03 | Philips Corp | Electroluminescent device |
CN1904712A (zh) * | 2006-07-28 | 2007-01-31 | 中国科学院光电技术研究所 | 一种基于遗传算法的自适应校正激光器像差的装置 |
CN103618317A (zh) * | 2013-11-05 | 2014-03-05 | 苏州市华安普电力工程有限公司 | 一种变电工程的先进无功功率补偿方法 |
Non-Patent Citations (2)
Title |
---|
梅文丽等: "用改进的遗传算法提取PIN光探测器模型参数", 《半导体技术》 * |
靳根等: "一种半导体区域γ辐射监测装置", 《辐射防护分会2012年学术年会》 * |
Also Published As
Publication number | Publication date |
---|---|
CN105718609B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111090461B (zh) | 一种基于机器翻译模型的代码注释生成方法 | |
Jouganous et al. | Inferring the joint demographic history of multiple populations: beyond the diffusion approximation | |
CN104933245B (zh) | 基于神经网络和遗传算法的船用反应堆屏蔽设计优化方法 | |
CN109492202A (zh) | 一种基于拼音的编码与解码模型的中文纠错方法 | |
CN104298836B (zh) | 一种基于蒙特卡罗计算的反应堆堆芯迭代设计系统 | |
CN103294601B (zh) | 一种基于选择性动态权重神经网络集成的软件可靠性预测方法 | |
CN110609849B (zh) | 一种基于sql语法树节点类型的自然语言生成方法 | |
CN107993723A (zh) | 一种基于集成进化学习的华法林剂量预测建模方法 | |
WO2021088436A1 (zh) | 一种用于多语言协同开发的项目调度方法及装置 | |
Cancho et al. | The geometric Birnbaum–Saunders regression model with cure rate | |
CN110149333A (zh) | 一种基于sae+bpnn的网络安全态势评估方法 | |
Chen et al. | Multi-objective optimization strategies for radiation shielding design with genetic algorithm | |
CN106970981A (zh) | 一种基于转移矩阵构建关系抽取模型的方法 | |
CN104383638A (zh) | 一种针对肺部放疗中笔形束剂量计算的三维修正方法 | |
CN116523086A (zh) | 基于长短时记忆深度神经网络的单井生产动态预测方法 | |
Neelon et al. | The LZIP: A Bayesian latent factor model for correlated zero‐inflated counts | |
Masutani et al. | Investigating the mitochondrial genomic landscape of Arabidopsis thaliana by long-read sequencing | |
CN105718609A (zh) | 一种基于遗传算法的辐射探测器能响补偿片设计方法 | |
Gerard | Comment on three papers about Hardy–Weinberg equilibrium tests in autopolyploids | |
CN106528916A (zh) | 一种应用于聚变反应堆核分析的自适应子空间迭代分割的协同系统 | |
CN110879778A (zh) | 一种新的动态反馈和改进型补丁评价的软件自动修复方法 | |
Jia et al. | Optimization of mine ventilation network feature graph | |
Nguyen | Gradient boosting for survival analysis with applications in oncology | |
CN114818548A (zh) | 一种基于卷积生成对抗网络的含水层参数场反演方法 | |
CN115836350A (zh) | 用于确定新抗原的呈递可能性的方法、系统和计算机程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |