高级搜索

自适应光学系统几种随机并行优化控制算法比较

,  , 

downloadPDF

上一篇

下一篇

杨慧珍, 李新阳, 姜文汉. 2008: 自适应光学系统几种随机并行优化控制算法比较, 强激光与粒子束, 20(1): 11-16.
引用本文: 杨慧珍, 李新阳, 姜文汉. 2008: 自适应光学系统几种随机并行优化控制算法比较, 强激光与粒子束, 20(1): 11-16.
shu
YANG Hui-zhen, LI Xin-yang, JIANG Wen-han. 2008: Comparison of several stochastic parallel optimization control algorithms for adaptive optics system, High Power Lase and Particle Beams, 20(1): 11-16.
Citation: YANG Hui-zhen, LI Xin-yang, JIANG Wen-han. 2008: Comparison of several stochastic parallel optimization control algorithms for adaptive optics system, High Power Lase and Particle Beams, 20(1): 11-16.
shu

自适应光学系统几种随机并行优化控制算法比较

  • 中国科学院,光电技术研究所,成都,610209;中国科学院,研究生院,北京,100039

  • 中国科学院,光电技术研究所,成都,610209

Comparison of several stochastic parallel optimization control algorithms for adaptive optics system

  • 摘要: 直接对系统性能指标进行优化是自适应光学系统中一种重要的波前畸变校正方法,选择合适的随机并行优化控制算法是该技术成功实现的关键.以32单元变形镜为校正器,基于多种随机并行优化算法建立自适应光学系统仿真模型.从算法的收敛速度、校正效果、局部极值3个方面对遗传算法、单向扰动随机并行梯度下降、双向扰动随机并行梯度下降及模拟退火算法进行了比较.仿真结果表明,遗传算法收敛速度太慢,不适用于需要实时控制的自适应光学系统;双向扰动随机并行梯度下降算法收敛速度、校正效果要优于单向扰动随机并行梯度下降,且能够适应各种情况下的扰动电压;模拟退火几乎以概率1收敛到全局极值附近,且收敛速度是上述算法中最快的.
  • 加载中
  • 加载中
计量
  • 文章访问数:  649
  • HTML全文浏览数:  119
  • PDF下载数:  115
  • 施引文献:  0
出版历程
  • 刊出日期:  2008-01-30

自适应光学系统几种随机并行优化控制算法比较

  • 中国科学院,光电技术研究所,成都,610209;中国科学院,研究生院,北京,100039
  • 中国科学院,光电技术研究所,成都,610209

摘要: 直接对系统性能指标进行优化是自适应光学系统中一种重要的波前畸变校正方法,选择合适的随机并行优化控制算法是该技术成功实现的关键.以32单元变形镜为校正器,基于多种随机并行优化算法建立自适应光学系统仿真模型.从算法的收敛速度、校正效果、局部极值3个方面对遗传算法、单向扰动随机并行梯度下降、双向扰动随机并行梯度下降及模拟退火算法进行了比较.仿真结果表明,遗传算法收敛速度太慢,不适用于需要实时控制的自适应光学系统;双向扰动随机并行梯度下降算法收敛速度、校正效果要优于单向扰动随机并行梯度下降,且能够适应各种情况下的扰动电压;模拟退火几乎以概率1收敛到全局极值附近,且收敛速度是上述算法中最快的.

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回