切伦科夫望远镜阵列的多目标遗传算法优化

我们构思并实现了一个多目标遗传算法（GA）代码，用于优化大气成像切伦科夫望远镜阵列（IACTs）。该算法将一系列描述优化不同目标（如有效面积、角分辨率等）的代价函数（度量指标）作为输入，所有这些均以望远镜在平面上的相对位置来表示。该算法的输出是一族几何排列，对应于阵列优化问题的完整解集，并根据对优化中各个（可能冲突的）目标所赋予的相对权重而彼此不同。由于该算法采用并行优化，它允许根据需要输入任意数量的代价函数，并且可以结合诸如阵列预算（成本上限）以及地形拓扑限制（如无法安装望远镜的地理障碍）等约束条件。它也允许不同类型的望远镜（混合阵列），并且每种类型的望远镜数量可以作为一个待优化的参数——例如，受每种类型的成本或感兴趣的能区限制。该算法快速收敛到优化解（与单一构型的完整蒙特卡罗模拟所需时间相比），其目的是提供一个工具来研究可能几何构型的完整参数空间，并辅助设计复杂的阵列。它不能替代详细的蒙特卡罗研究，而是旨在为其提供指导。在此展示的阵列示例中，我们使用了描述 IAC 技术基本原理的简单启发式表达式作为度量指标，但对于特定实验，这些输入函数可以根据需要做得尽可能详细或复杂。