买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工业大学;西南技术物理研究所

摘要：本发明公开了一种基于遗传算法的VCSEL阵列排布优化方法，以达到改善VCSEL阵列热问题从而提高器件整体性能的目的。本发明直接选取VCSEL阵列单元排布的位置坐标来进行染色体的编码，可实现任意单元个数的VCSEL阵列优化，解决了因VCSEL单元个数增加导致人工设计困难的问题。此外，搭建了表征VCSEL阵列温度均匀性的适应度函数来提供优化标准，并且每一条染色体的温度分布都通过热电反馈模型计算，使遗传算法迭代和VCSEL的优化结果更准确。同时，将复杂繁琐的优化过程交给计算机迭代，极大的节省了人力和时间成本。最后，以具有37个单元的六边形VCSEL阵列为例进行了排布优化设计，证明了本发明方法的有效性。

主权项：1.一种基于遗传算法的VCSEL阵列排布优化方法，其特征在于，步骤包括：步骤1：获取待优化VCSEL阵列每一个单元的平面位置坐标，确定待优化VCSEL单元的个数即等位基因的个数n，将染色体分为前半段和后半段，分别储存X和Y的位置信息，进行染色体编码；步骤2：设第i个VCSEL单元初始位置坐标为在初始位置坐标范围内生成M条染色体，数量介于20～50之间，其中染色体的每个等位基因坐标满足：其中，rand-1,1表示为-1到1之间的随机数，Δx和Δy为单元中心可以移动的范围，取值为VCSEL相邻单元心心距和台面直径的差，每条染色体代表一种排布方式，组成初始种群；步骤3：将种群中每一条染色体依次导入热电反馈模型中模拟温度分布，得到稳态温度值，构建体现VCSEL阵列温度均匀性的适应度函数，即以温度方差与峰值结温差的和作为评估标准，计算染色体的适应度值；步骤4：根据适应度值对种群进行基于倒序排名的选择操作，选取排名前M的染色体进行遗传；步骤5：判断遗传算法是否达到最大迭代次数，若是则执行步骤9，否则执行步骤6，迭代次数介于300～500之间；步骤6：对步骤4中被选中的所有染色体，进行基于一点的交叉操作，按交叉概率顺序选取2个染色体进行交叉，交叉点为2到2n-1的随机整数，并将交叉后产生的新染色体加入到种群中，交叉概率介于0.6～0.8之间；步骤7：对步骤6中的所有染色体，进行基于等位基因点的变异操作，按变异概率选取染色体进行随机等位基因变异，并将变异后的新染色体加入到种群中，变异概率介于0.02～0.2之间；步骤8：产生子代染色体种群，返回步骤3，计算适应度值，开始下一轮遗传算法迭代优化；步骤9：遗传算法迭代完成，提取排名第一的染色体；步骤10：解码染色体，得到VCSEL阵列平面排布位置信息，获得最优的VCSEL阵列排布方式；步骤11：将最优VCSEL阵列排布信息导入热电模型中模拟温度分布；步骤12：得到优化的VCSEL阵列稳态温度分布，优化结束。

全文数据：

权利要求：

百度查询： 北京工业大学 西南技术物理研究所 一种基于遗传算法的VCSEL阵列排布优化方法