构建双原子势的遗传算法

多种数值和组合优化算法已被用作最小化函数形式的有用工具。通常，当这些形式是非线性的或出现在没有特定优化方法的问题中时，基于搜索算法的随机方法因其不易陷入局部最小值而显示出良好结果。此外，它们可以很容易地与其他技术结合使用。在这类算法中，遗传算法因其作为稳健的优化工具而受到特别关注。当算法使用某种编码将给定问题的一组可能解转换为一个种群，该种群将在受自然选择机制启发（或不启发）的算子作用下进化时，可称为遗传算法。换句话说，它们处理解的种群以获得下一代更好的解。为此，它们仅使用成本和收益信息。在这项工作中，我们提出了一种遗传算法优化技术（GAOT）来拟合双原子势能曲线。为展示该方法，我们使用从头算能量计算以及Rydberg试验函数获得了H2+和Li2体系的分析函数。这些研究表明，GAOT拟合的质量可与推荐用于拟合双原子体系的最佳优化技术相媲美。引入这种新技术很重要，因为它作为拟合反应散射动力学PES的新选项而出现。