<div class="csl-bib-body">
<div class="csl-entry">Doppelbauer, G. (2009). <i>Development of a phenotype algorithm for particle geometry optimization</i> [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-28327</div>
</div>
Wir implementierten einen genetischen (Phänotyp-) Algorithmus als Methode zur Suche nach energetisch günstigen geometrischen Anordnungen von Teilchen. Die paarweise Wechselwirkung der Teilchen wird dabei durch vom Teilchenabstand abhängige Potentialfunktionen modelliert. Unsere Implementation eines solchen Algorithmus basiert hauptsächlich auf Konzepte, die von Deaven und Ho in den späten 1990er Jahren eingeführt wurden.<br />Das erste von uns untersuchte Problem war die Optimierung von Clustergeometrien. Als Benchmark-Test unseres Algorithmus versuchten wir die online in der 'Cambridge Cluster Database' verfügbaren Energieminima von Lennard-Jones Clustern mit bis zu 100 Teilchen sowie Dzugutov Clustern mit bis zu 50 Teilchen zu reproduzieren, was in allen Fällen bis auf einen gelang. Des weiteren suchten wir nach Energieminima von Clustern aus Teilchen, die über ein verallgemeinertes Lennard-Jones Potential wechselwirken.<br />Als unser zweites Problem untersuchten wir ein zweidimensionales System, dessen Hauptmerkmale von bestimmten Eigenschaften quasikristalliner Substanzen inspiriert wurden. Dafür verwendeten wir eine leicht abgeänderte Version des Algorithmus. Für dieses Sytem fanden wir Konfigurationen mit (vorläufigen) globalen Energieminima für unterschiedliche Teilchenzahlen und -dichten.<br />
de
dc.description.abstract
We implemented a genetic (phenotype) algorithm as a search strategy for energetically favorable geometrical configurations of particles. The pairwise interaction of the particles in the investigated systems is given via potential functions depending on the interparticle distance. Our implementation of such an algorithm is mainly based on concepts introduced by Deaven and Ho in the late 1990s.<br />The first problem we studied was cluster geometry optimization. As a benchmark for our algorithm, we tried to reproduce the global energy minima published online in the 'Cambridge Cluster Database' for Lennard-Jones clusters with particle numbers up to 100 and for Dzugutov clusters with particle numbers up to 50. Therein, we succeeded in all but one case. Furthermore, we searched for energy minima of clusters of particles interacting via a generalized Lennard-Jones potential.<br />As our second problem, we investigated a two-dimensional system inspired by certain properties of quasicrystalline materials. This was done using a slightly altered version of the cluster geometry optimizing algorithm.<br />For this system, we obtained configurations with tentative global energy minima for different particle numbers and densities.<br />
en
dc.language
English
-
dc.language.iso
en
-
dc.rights.uri
http://rightsstatements.org/vocab/InC/1.0/
-
dc.subject
globale Optimierung
de
dc.subject
genetischer Algorithmus
de
dc.subject
Phenotypalgorithmus
de
dc.subject
Cluster
de
dc.subject
global Optimization
en
dc.subject
Genetic Algorithm
en
dc.subject
Phenotype Algorithm
en
dc.subject
Cluster
en
dc.title
Development of a phenotype algorithm for particle geometry optimization