基于混合粒子群优化的快速可靠参数提取方法——应用于热致反射

频域热致反射（FDTR）是用于表征多层薄膜热物性的常用技术。然而，由于其高维度和多模态、非凸解空间， 从FDTR测量中提取多个参数 presents 一个非线性反问题。本研究评估了四种流行的全局优化算法：遗传算法（GA）、量子遗传算法（QGA）、粒子群优化（PSO）和烟火算法（FWA），用于从GaN/Si异结构结构的FDTR测量中提取参数。然而，这些算法在60秒内均未实现可靠收敛。为提高收敛速度和准确性，我们提出了一种基于人工智能的混合优化框架，将每个全局算法与准Newton型局部细化方法结合，形成四种混合变体：HGA、HQGA、HPSO和HFWA。在这些方法中，HPSO表现最佳，80%的试验在60秒内达到目标适应值，显示出更好的鲁棒性和更低的早熟收敛风险。相比之下，仅有30%的HGA和HQGA试验以及20%的HFWA试验达到此阈值。我们进一步评估了在延长至1000秒后对每个算法进行100次独立试验后的最坏情况性能。只有HPSO、PSO和HGA持续达到目标精度，其中HPSO的收敛速度是其他方法的五倍。HPSO为热力学测量中的反问题提供了通用解决方案，可 readily 扩展至其他模型拟合技术。