CN113449838B - 基于bcca优化模型的生物粒子团簇体构建方法 - Google Patents

Abstract

本发明提供一种基于BCCA优化模型的生物粒子团簇体构建方法，所述方法包括：获取三维空间中存在的粒子个数与各粒子粒径；构建三维模型；设置并调用lowbit函数，计算期望团簇体数N；判断所述三维模型中的当前团簇体数N_c是否等于1；确定所述三维模型中当前存在的团簇体，当团簇体满足相应的碰撞条件相互碰撞时，进行碰撞处理；确定当前团簇体数N_c；输出当前团簇体中粒子的三维分布图，以所述当前团簇体中粒子的三维分布方式作为结果输出。根据本发明的方法，能够形成更好的消光材料结构，有助于制备出具有更强消光特性的消光材料。

Description

基于BCCA优化模型的生物粒子团簇体构建方法

技术领域

本发明涉及计算机仿真领域，尤其涉及由计算机仿真实现的基于BCCA优化模型的生物粒子团簇体构建方法。

背景技术

作为削弱可见光或红外成像设备或系统性能的重要手段，消光材料的发展成为竞相研究的对象，消光材料包括金属材料、膨胀石墨、纳米材料、水基泡沫、生物材料和复合材料等方面。

生物材料是一些小的生物颗粒在静电、碰撞、黏附作用下形成的具有分形特征、空间结构复杂的随机取向凝聚粒子体系，利用组成消光材料的粒子的排布，粒子之间的连接关系的特性，达到消光的效果。

根据粒子的属性，消光材料的空间结构可能是单个粒子或凝聚粒子。在不考虑粒子间相互作用的情况下，通过计算单粒子形成的烟幕得到消光材料的消光性能。消光材料的粒子形状随物质不同而不同，一般具有圆、椭圆、柱状、杆状和链状等形状。若粒子间相互作用不能忽略时，消光材料则以凝聚粒子的形态而存在，计算时以凝聚粒子体系为研究对象计算其消光性能。根据参与凝聚的对象不同，可将凝聚粒子模型分为粒子与团簇体和团簇体与团簇体两类团簇模型。根据构建凝聚粒子的原始粒径是否相同每种凝聚模型还可细分为单分散凝聚粒子模型和多分散凝聚粒子模型。现有技术中常使用CCA模型构建粒子团簇模型，但CCA模型受网格影响，每个粒子的中心只能在网格点上，两个相邻粒子的位置关系只有前后左右上下六个垂直的方向，难以准确地表现出粒子间的实际位置关系，因而，导致消光材料的消光性能不高。

弹道团簇-团簇凝聚(Ballistic Cluster-Cluster Aggregation，简称BCCA)模型，该模型构建的蓬松多孔结构适用于众多消光材料。BCCA模型原理是所有粒子随机分布在空间中，其数量为2^𝑛个，每次团簇体沿任意方向移动一个单位。若发生碰撞，则判断两个团簇体所包含的原始颗粒数量是否相等，相等则发生凝聚，否则便直接分开，直至最后形成一个凝聚体。由其原理可知，BCCA模型原始粒子数量必须为2的整数次方，存在一定的局限性，可能导致消光材料团簇体的建模结构与实际存在一定误差。

发明内容

为解决上述技术问题，本发明提出了一种基于BCCA优化模型的生物粒子团簇体构建方法，用以解决现有技术中消光材料消光性能仿真不够准确，导致挑选强消光性能材料受到一定阻碍与限制的问题。

根据本发明的第一方面，提供一种基于BCCA优化模型的生物粒子团簇体构建方法，所述方法包括以下步骤：

步骤S101：获取三维空间中存在的粒子个数与各粒子粒径；构建三维模型，所述三维模型与所述三维空间相对应；在所述三维模型中设置初始输入参数包括消光材料的粒子数n、粒子半径集合R、粒子密度𝜌，此时所述三维模型中的当前团簇体数N_c=n；团簇体为由至少一个粒子组成的集合体；

步骤S102：设置并调用lowbit函数，计算期望团簇体数N；

步骤S103：判断所述三维模型中的当前团簇体数N_c是否等于1，若是，进入步骤S105；若否，进入步骤S104；

步骤S104：确定所述三维模型中当前存在的团簇体，所述三维模型中当前存在的团簇体均以步长step进行随机行走；当团簇体满足任一碰撞条件相互碰撞时，进行碰撞处理；确定当前团簇体数N_c，进入步骤S103；所述三维模型中当前存在的团簇体包括：向所述三维空间输入的粒子，尚未凝聚到任一团簇体中且由输入的单个粒子组成的团簇体；凝聚得到的团簇体；

步骤S105：输出当前团簇体中粒子的三维分布图，以所述当前团簇体中粒子的三维分布方式作为结果输出。

根据本发明第二方面，提供一种基于BCCA优化模型的生物粒子团簇体构建装置，所述装置包括：

初始化模块：配置为获取三维空间中存在的粒子个数与各粒子粒径；构建三维模型，所述三维模型与所述三维空间相对应；在所述三维模型中设置初始输入参数包括消光材料的粒子数n、粒子半径集合R、粒子密度𝜌，此时所述三维模型中的当前团簇体数N_c=n；团簇体为由至少一个粒子组成的集合体；

期望团簇体计算模块：配置为设置并调用lowbit函数，计算期望团簇体数N；

判断模块：配置为判断所述三维模型中的当前团簇体数N_c是否等于1；

碰撞模块：配置为确定所述三维模型中当前存在的团簇体，所述三维模型中当前存在的团簇体均以步长step进行随机行走；当团簇体满足任一碰撞条件相互碰撞时，进行碰撞处理；确定当前团簇体数N_c，进入步骤S103；所述三维模型中当前存在的团簇体包括：向所述三维空间输入的粒子，尚未凝聚到任一团簇体中且由输入的单个粒子组成的团簇体；凝聚得到的团簇体；

输出模块：配置为输出当前各团簇体中粒子的三维分布图，以所述当前各团簇体中粒子的三维分布方式作为仿真结果输出。

根据本发明第三方面，提供一种基于BCCA优化模型的生物粒子团簇体构建系统，包括：

处理器，用于执行多条指令；

存储器，用于存储多条指令；

其中，所述多条指令，用于由所述存储器存储，并由所述处理器加载并执行如前所述的基于BCCA优化模型的生物粒子团簇体构建方法。

根据本发明第四方面，提供一种计算机可读存储介质，所述存储介质中存储有多条指令；所述多条指令，用于由处理器加载并执行如前所述的基于BCCA优化模型的生物粒子团簇体构建方法。

根据本发明的上述方案，基于BCCA优化模型对生物粒子团簇体的组成方式通过计算机仿真的方式进行了分析，改进了BCCA模型原始粒子数必须为2ⁿ个且建立的多为单分散模型的缺陷，形成更好的消光材料结构，有助于制备出具有更好的消光特性的消光材料。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明提供如下附图进行说明。在附图中：

图1为本发明一个实施方式的基于BCCA优化模型的生物粒子团簇体构建方法流程示意图；

图2为本发明一个实施方式的Lowbit操作方法流程示意图；

图3为本发明一个实施方式的构建团簇体的流程示意图；

图4为本发明一个实施方式的基于BCCA优化模型的生物粒子团簇体构建装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

首先结合图1说明为本发明一个实施方式的基于BCCA优化模型的生物粒子团簇体构建方法。如图1、3所示，所述方法包括以下步骤：

步骤S101：获取三维空间中存在的粒子个数与各粒子粒径；构建三维模型，所述三维模型与所述三维空间相对应；在所述三维模型中设置初始输入参数包括消光材料的粒子数n、粒子半径集合R、粒子密度𝜌，此时所述三维模型中的当前团簇体数N_c=n；团簇体为由至少一个粒子组成的集合体；

步骤S102：设置并调用lowbit函数，计算期望团簇体数N；

步骤S103：判断所述三维模型中的当前团簇体数N_c是否等于1，若是，进入步骤S105；若否，进入步骤S104；

步骤S104：确定所述三维模型中当前存在的团簇体，所述三维模型中当前存在的团簇体均以步长step进行随机行走；当团簇体满足相应的碰撞条件相互碰撞时，进行碰撞处理；确定当前团簇体数N_c，进入步骤S103；所述三维模型中当前存在的团簇体包括：向所述三维空间输入的粒子中，尚未凝聚到任一团簇体中且由输入的单个粒子组成的团簇体；凝聚得到的团簇体；

步骤S105：输出当前团簇体中粒子的三维分布图，以所述当前团簇体中粒子的三维分布方式作为结果输出。

所述步骤S101：获取三维空间中存在的粒子个数与各粒子粒径；构建三维模型，所述三维模型与所述三维空间相对应；在所述三维模型中设置初始输入参数包括消光材料的粒子数n、粒子半径集合R、粒子密度𝜌，此时所述三维模型中的当前团簇体数N_c=n；团簇体为由至少一个粒子组成的集合体，其中：

在三维空间中随机输入n个粒子，粒子半径集合为R，粒子密度为𝜌，将每个粒子视为一个团簇体，因此团簇体数与粒子数目相同，都为n；每个团簇体中所含粒子数目为1；所述三维空间为边界为边长为𝑎的立方体。

本实施例中，在所述三维模型中设置初始输入粒子数n，该粒子数n是该三维空间使用消光材料所包含的粒子数。

所述步骤S102：设置并调用lowbit函数，计算期望团簇体数N，其中：

lowbit(x)是python中直接调用使用的函数。

BCCA模型处理的原始粒子数量为2的整数次幂，表示为2^s个，本实施例基于BCCA模型的思想，首先将整数n拆分为m个2的整数次幂之和，即

将n拆为m个2^k之和，即

期望团簇体数N=len(ans)；

其中，len(ans)为计算m的值，ans为数组，如图2所示，本实施例采用以下方法计算数据ans：

步骤S201：将n与其相反数-n按位与，得到数值t，t=n&(-n)；

步骤S202：将t存入数据ans中，并将n赋值为n-t；

步骤S203：判断n是否等于0，若是，返回数据ans；若否返回步骤S201。

以初始粒子数n=15为例，那么按上述n的拆分公式，分解为n=2³+2²+2¹+1，由于分解结果均为2ⁿ，均符合BCCA条件下的凝聚。因此，其中2³、2²、2¹均可以在BCCA条件下完成凝聚，那么分开凝聚完成这4个部分后，再运用CCA原则将其全部凝结最终形成一个团簇体。此处的重点是计算len(ans)=4，在BCCA原则下当空间经过若干次凝结后，团簇体数目达到期望团簇体数N时，就可以进行第二阶段的凝聚过程了。本实施例中的lowbit操作就是把len(ans)的数值计算出来。

本实施例中，得到ans数组后，首先进行BCCA模拟，即含相同粒子数的团簇体进行粘结。当体系中团簇体数达到期望团簇体数N时，此时空间内不再含有具有相同粒子数的团簇体，从BCCA模拟转为CCA模拟将剩余团簇体进行凝聚，最终得到1个团簇体。所述团簇体包括由多个粒子组成的团簇体、以及单个粒子。

步骤S103：判断所述三维模型中的当前团簇体数N_c是否等于1，所述期望团簇体数N，本实施例中，判断当前团簇体数是否等于1的原理为：最终的结果是形成1个团簇体。整个碰撞过程有两个阶段，第一阶段是根据BCCA模型原理的原则进行碰撞，此原则下所有形成的团簇体中含有粒子的数目都是2的整数次幂，剩余的不满足2的整数次幂的其余单粒以及团簇体就无法继续凝聚。为了解决这个问题，利用期望团簇体数N：当空间内剩余团簇体个数达到期望团簇体数N时，进入第二阶段的操作，即根据类似于CCA模型的原则直接碰撞凝结，最终所有团簇体都会碰撞，因此最终总会得到一个团簇体，即N_c=1。

步骤S104：确定所述三维模型中当前存在的团簇体，所述三维模型中当前存在的团簇体均以步长step进行随机行走；当团簇体满足相应的碰撞条件相互碰撞时，进行碰撞处理；确定当前团簇体数N_c，进入步骤S103；所述三维模型中当前存在的团簇体包括：向所述三维空间输入的粒子中，尚未凝聚到任一团簇体中且由输入的单个粒子组成的团簇体；凝聚得到的团簇体，其中：

团簇体的随机运动方向为任意方向。为更真实模拟团体在实际物理过程中的运动行为，本实施例采用蒙特卡洛方法(Monte Carlo Method)来实现团簇体的无规则的布朗运动。

步长step=R_min，其中，R_min为初始化时所有粒子中最小的粒子半径值。本实施例中团簇体是多分散的，因此粒子的大小不相同。

所述碰撞条件为下述三个条件之一，分别为：

条件一，对于团簇体C_i和团簇体C_j包含粒子数目均为1，即二者均为单个粒子C_pi和C_pj时，其半径分别为R_i和R_j，空间坐标为S_i（x_i，y_i，z_i）和S_j（x_j，y_j，z_j），粒子球心间距离为d，则

单个粒子与单个粒子的碰撞条件为：

条件二，对于团簇体C_i和团簇体C_j包含粒子数目均大于1，遍历团簇体C_i和C_j中的每一个粒子，取两个团簇体中间距最小两个粒子C_im和C_jn，其半径分别为R_im和R_jn，空间坐标分别为S_im（x_im，y_im，z_im）和S_j（x_jn，y_jn，z_jn），粒子球心间距离为d_min，其中C_im为C_i中的一个粒子，C_jn为C_j中的一个粒子，则

团簇体C_i与团簇体C_j的碰撞条件为：

条件三，对于团簇体C_i和团簇体C_j，团簇体C_i包含粒子数大于1，团簇体C_j包含粒子数为1，即分别为团簇体C_i和粒子C_pj，遍历团簇体C_i的每一个粒子，找到团簇体C_i中与粒子C_pj距离最小的粒子C_im，其半径分别为R_im和R_j，空间坐标为S_im（x_im，y_im，z_im）和S_j（x_j，y_j，z_j），粒子球心间距离为d_min，则满足以下关系：

则团簇体与单个粒子的碰撞条件为：

所述碰撞处理包括：

若当前团簇体数N_c大于期望团簇体数N_e且团簇体C_i与团簇体C_j所包含的粒子数相同，则团簇体C_i与团簇体C_j以概率P粘结以凝聚成新的团簇体C_new；

n _pi ，n _pj 分别为团簇体C_i与团簇体C_j所含粒子数，N_c为所述三维模型中的当前团簇体数。

若当前团簇体数N_c等于或小于期望团簇体数N_e，空间内剩余的团簇体以CCA方式凝聚，所述CCA方式凝聚是指粒子和团簇体均做无规则运动，单个粒子先随机运动碰撞形成团簇体，团簇体再凝聚成凝聚体系。

本实施例中，在同一团簇体内的粒子具有相同的编号。

可选地，本发明中，所述三维模型中当前存在的团簇体包括：由所述三维模型对所述三维空间中已经存在的粒子进行仿真，尚未凝聚到任一团簇体中且由仿真后的单个粒子组成的团簇体；向所述三维空间输入的粒子，尚未凝聚到任一团簇体中且由输入的单个粒子组成的团簇体；凝聚得到的团簇体。

如图4所示，本发明实施例进一步给出一种基于BCCA优化模型的生物粒子团簇体构建装置，所述装置包括：

初始化模块：配置为获取三维空间中存在的粒子个数与各粒子粒径；构建三维模型，所述三维模型与所述三维空间相对应；在所述三维模型中设置初始输入参数包括生物粒子团簇体的粒子数n、粒子半径集合R、粒子密度𝜌，此时所述三维模型中的当前团簇体数N_c=n；团簇体为由至少一个粒子组成的集合体；

期望团簇体计算模块：配置为设置并调用lowbit函数，计算期望团簇体数N；

判断模块：配置为判断所述三维模型中的当前团簇体数N_c是否等于1；

碰撞模块：配置为确定所述三维模型中当前存在的团簇体，所述三维模型中当前存在的团簇体均以步长step进行随机行走；当团簇体满足相应的碰撞条件相互碰撞时，进行碰撞处理；确定当前团簇体数N_c，进入步骤S103；所述三维模型中当前存在的团簇体包括：向所述三维空间输入的粒子中，尚未凝聚到任一团簇体中且由输入的单个粒子组成的团簇体；凝聚得到的团簇体；

输出模块：配置为输出当前各团簇体中粒子的三维分布图，以所述当前各团簇体中粒子的三维分布方式作为结果输出。

提供一种基于BCCA优化模型的生物粒子团簇体构建系统，包括：

处理器，用于执行多条指令；

存储器，用于存储多条指令；

其中，所述多条指令，用于由所述存储器存储，并由所述处理器加载并执行如前所述的基于BCCA优化模型的生物粒子团簇体构建方法。

提供一种计算机可读存储介质，所述存储介质中存储有多条指令；所述多条指令，用于由处理器加载并执行如前所述的基于BCCA优化模型的生物粒子团簇体构建方法。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，实体机服务器，或者网络云服务器等，需安装Linux操作系统)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种基于BCCA优化模型的生物粒子团簇体构建方法，其特征在于，所述方法包括以下步骤：

步骤S101：获取三维空间中存在的粒子个数与各粒子粒径；构建三维模型，所述三维模型与所述三维空间相对应；在所述三维模型中设置初始输入参数包括消光材料的粒子数n、粒子半径集合R、粒子密度ρ，此时所述三维模型中的当前团簇体数N_c＝n；团簇体为由至少一个粒子组成的集合体；

步骤S102：设置并调用lowbit函数，计算期望团簇体数N；

步骤S103：判断所述三维模型中的当前团簇体数N_c是否等于1，若是，进入步骤S105；若否，进入步骤S104；

步骤S104：确定所述三维模型中当前存在的团簇体，所述三维模型中当前存在的团簇体均以步长step进行随机行走；当团簇体满足相应的碰撞条件相互碰撞时，进行碰撞处理；确定当前团簇体数N_c，进入步骤S103；所述三维模型中当前存在的团簇体包括：向所述三维空间输入的粒子中，尚未凝聚到任一团簇体中且由输入的单个粒子组成的团簇体；凝聚得到的团簇体；

步骤S105：输出当前团簇体中粒子的三维分布图，以所述当前团簇体中粒子的三维分布方式作为结果输出；

lowbit(x)是python中可直接调用使用的函数；

将n拆为m个2^k之和，即

期望团簇体数N＝len(ans)；

len(ans)与m的值相等，ans为数组，数组ans的计算方法为：

步骤S201：将n与其相反数-n按位与，得到数值t，t＝n&(-n)；

步骤S202：将t存入数据ans中，并将n赋值为n-t；

步骤S203：判断n是否等于0，若是，返回数据ans；若否返回步骤S201。

2.如权利要求1所述的基于BCCA优化模型的生物粒子团簇体构建方法，其特征在于，所述步骤S101，其中：

在三维空间中随机输入n个粒子，粒子半径集合为R，粒子密度为ρ，将每个粒子视为一个团簇体，因此团簇体数与粒子数目相同，都为n；每个团簇体中所含粒子数目为1；所述三维空间为边界为边长为a的立方体；

3.如权利要求2所述的基于BCCA优化模型的生物粒子团簇体构建方法，其特征在于，所述碰撞条件为下述三个条件之一，分别为：

条件一，对于团簇体C_i和团簇体C_j包含粒子数目均为1，即二者均为单个粒子C_pi和C_pj时，其半径分别为R_i和R_j，空间坐标为S_i(x_i，y_i，z_i)和S_j(x_j，y_j，z_j)，粒子球心间距离为d，则

单个粒子与单个粒子的碰撞条件为：

d＝R_i+R_j

条件二，对于团簇体C_i和团簇体C_j包含粒子数目均大于1，遍历团簇体C_i和C_j中的每一个粒子，取两个团簇体中间距最小两个粒子C_im和C_jn，其半径分别为R_im和R_jn，空间坐标分别为S_im(x_im，y_im，z_im)和S_j(x_jn，y_jn，z_jn)，粒子球心间距离为d_min，其中C_im为C_i中的一个粒子，C_jn为C_j中的一个粒子，则

团簇体C_i与团簇体C_j的碰撞条件为：

d_min＝R_im+R_jn

条件三，对于团簇体C_i和团簇体C_j，团簇体C_i包含粒子数大于1，团簇体C_j包含粒子数为1，即分别为团簇体C_i和粒子C_pj，遍历团簇体C_i的每一个粒子，找到团簇体C_i中与粒子C_pj距离最小的粒子C_im，其半径分别为R_im和R_j，空间坐标为S_im(x_im，y_im，z_im)和S_j(x_j，y_j，z_j)，粒子球心间距离为d_min，则满足以下关系：

则团簇体与单个粒子的碰撞条件为：

d_min＝R_im+R_j

所述碰撞处理包括：

若当前团簇体数N_c大于期望团簇体数N且团簇体C_i与团簇体C_j所包含的粒子数相同，则团簇体C_i与团簇体C_j以概率P粘结以凝聚成新的团簇体C_new；

n_pi，n_pj分别为团簇体C_i与团簇体C_j所含粒子数，N_c为所述三维模型中的当前团簇体数；

若当前团簇体数N_c等于或小于期望团簇体数N，空间内剩余的团簇体以CCA方式凝聚，所述CCA方式凝聚是指粒子和团簇体均做无规则运动，单个粒子先随机运动碰撞形成团簇体，团簇体再凝聚成凝聚体系。

4.一种基于BCCA优化模型的生物粒子团簇体构建装置，其特征在于，所述装置包括：

初始化模块：配置为获取三维空间中存在的粒子个数与各粒子粒径；构建三维模型，所述三维模型与所述三维空间相对应；在所述三维模型中设置初始输入参数包括生物粒子团簇体的粒子数n、粒子半径集合R、粒子密度ρ，此时所述三维模型中的当前团簇体数N_c＝n；团簇体为由至少一个粒子组成的集合体；

期望团簇体计算模块：配置为设置并调用lowbit函数，计算期望团簇体数N；

判断模块：配置为判断所述三维模型中的当前团簇体数N_c是否等于1；

碰撞模块：配置为确定所述三维模型中当前存在的团簇体，所述三维模型中当前存在的团簇体均以步长step进行随机行走；当团簇体满足相应的碰撞条件相互碰撞时，进行碰撞处理；确定当前团簇体数N_c，进入步骤S103；所述三维模型中当前存在的团簇体包括：向所述三维空间输入的粒子中，尚未凝聚到任一团簇体中且由输入的单个粒子组成的团簇体；凝聚得到的团簇体；

输出模块：配置为输出当前各团簇体中粒子的三维分布图，以所述当前各团簇体中粒子的三维分布方式作为结果输出；

lowbit(x)是python中直接调用使用的函数；

将n拆为m个2^k之和，即

期望团簇体数N＝len(ans)；

len(ans)与m的值相等，ans为数组，由以下模块计算数组ans：

第一计算子模块：配置为将n与其相反数-n按位与，得到数值t，t＝n&(-n)；

第二计算子模块：配置为将t存入数据ans中，并将n赋值为n-t；

判断子模块：配置为判断n是否等于0。

5.如权利要求4所述的基于BCCA优化模型的生物粒子团簇体构建装置，其特征在于，所述初始化模块，其中：

在三维空间中随机输入n个粒子，粒子半径集合为R，粒子密度为ρ，将每个粒子视为一个团簇体，因此团簇体数与粒子数目相同，都为n；每个团簇体中所含粒子数目为1；所述三维空间为边界为边长为a的立方体；

6.如权利要求5所述的基于BCCA优化模型的生物粒子团簇体构建装置，其特征在于，所述碰撞条件为下述三个条件之一，分别为：

条件一，对于团簇体C_i和团簇体C_j包含粒子数目均为1，即二者均为单个粒子C_pi和C_pj时，其半径分别为R_i和R_j，空间坐标为S_i(x_i，y_i，z_i)和S_j(x_j，y_j，z_j)，粒子球心间距离为d，则

单个粒子与单个粒子的碰撞条件为：

d＝R_i+R_j

条件二，对于团簇体C_i和团簇体C_j包含粒子数目均大于1，遍历团簇体C_i和C_j中的每一个粒子，取两个团簇体中间距最小两个粒子C_im和C_jn，其半径分别为R_im和R_jn，空间坐标分别为S_im(x_im，y_im，z_im)和S_j(x_jn，y_jn，z_jn)，粒子球心间距离为d_min，其中C_im为C_i中的一个粒子，C_jn为C_j中的一个粒子，则

团簇体C_i与团簇体C_j的碰撞条件为：

d_min＝R_im+R_jn

条件三，对于团簇体C_i和团簇体C_j，团簇体C_i包含粒子数大于1，团簇体C_j包含粒子数为1，即分别为团簇体C_i和粒子C_pj，遍历团簇体C_i的每一个粒子，找到团簇体C_i中与粒子C_pj距离最小的粒子C_im，其半径分别为R_im和R_j，空间坐标为S_im(x_im，y_im，z_im)和S_j(x_j，y_j，z_j)，粒子球心间距离为d_min，则满足以下关系：

则团簇体与单个粒子的碰撞条件为：

d_min＝R_im+R_j

所述碰撞处理包括：

若当前团簇体数N_c大于期望团簇体数N且团簇体C_i与团簇体C_j所包含的粒子数相同，则团簇体C_i与团簇体C_j以概率P粘结以凝聚成新的团簇体C_new；

n_pi，n_pj分别为团簇体C_i与团簇体C_j所含粒子数，N_c为所述三维模型中的当前团簇体数；

若当前团簇体数N_c等于或小于期望团簇体数N，空间内剩余的团簇体以CCA方式凝聚，所述CCA方式凝聚是指粒子和团簇体均做无规则运动，单个粒子先随机运动碰撞凝聚形成团簇体，团簇体再凝聚成团簇体系。

7.一种基于BCCA优化模型的生物粒子团簇体构建系统，包括：

处理器，用于执行多条指令；

存储器，用于存储多条指令；

其中，所述多条指令，用于由所述存储器存储，并由所述处理器加载并执行如权利要求1-3中任意一项所述的基于BCCA优化模型的生物粒子团簇体构建方法。

8.一种计算机可读存储介质，所述存储介质中存储有多条指令；所述多条指令，用于由处理器加载并执行如前如权利要求1-3中任意一项所述的基于BCCA优化模型的生物粒子团簇体构建方法。

Images