具体实施方式

为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本发明的一实施例提出了一种分子筛工艺条件的生成方法，可以方便高效地获得符合预期的分子筛工艺条件。

如图1所示，是本发明的一种分子筛工艺条件的生成方法10的流程示意图，分子筛工艺条件的生成方法10包括如下的步骤。

步骤S1为配置合成分子筛的工艺条件的多个初始参数以及分子筛的预期表征，并配置算法参数。

步骤S2为初始化种群以生成父代种群，并计算父代种群中每个个体的适应值。

步骤S3为根据至少两个变异策略和相应的变异因子对父代种群中每个个体进行变异，以生成变异种群，并根据交叉策略和相应的交叉因子对变异种群和父代种群进行交叉，以生成子代种群。

步骤S4为判断当前迭代次数是否达到最大附迭代次数，若判断结果为是则执行步骤S5，否则重新执行步骤S3～S4。

步骤S5为计算子代种群中每个个体的适应值并在父代种群和子代种群中选择新父代种群。

步骤S6为判断当前迭代次数是否达到最大主迭代次数，若判断结果为是，则执行步骤S7输出符合预期表征的最优工艺条件，否则，重新执行步骤S3～S6直至可以执行步骤S7输出最优工艺条件。

本申请中图1使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。以图1的所示的流程为基础，本发明的一些其他的实施例可以对图1中的一些步骤做出进一步限定和变型。

在本发明的一些实施例中，如图1所示的步骤S1中，最初配置的工艺条件包括制备分子筛的原材料、温度、搅拌速率和/或反应持续时间。示例性的，在这些实施例中，如图1所示的步骤S1中的多个初始参数包括种类、数值上限和/或数值下限。这些工艺条件的种类选定和数值大致范围的确定可以通过历史数据或实践经验获得。具体来说，在如图1所示的步骤S1中配置的初始参数可以是原材料的种类，例如，还可以是在给定原料种类的情况下，相应原料的具体含量；以及温度、搅拌速率和/或反应持续时间的数值上下限等参数。

另一方面，在本发明的一些实施例中，在如图1所示的步骤1中，分子筛的预期表征包括X射线衍射图谱的表征。X射线图谱的表征通常为峰特性；示例性的，在本发明一实施例中的分子筛X射线图谱中，可以将从0到50度的区间划分成例如40个格子，并将X射线图谱的峰位置数据转化成40维的结构数据。

但是本发明不以此为限，例如，对于X射线图谱可以采用不同的区间划分方法。另一方面，在本发明的一些其他的实施例中，分子筛的预期表征也可以用分子筛扫描电子显微镜(Scanning Electron Microscope，SEM)图像来代替。

根据分子筛合成的实践经验，往往可以通过初步的判断确定关键参数的大致范围和能够体现分子筛特性的预期表征，将这些作为流程的输入，从而通过算法的优化以求更方便高效地输出符合预期表征的最优工艺条件，从而解决现有技术中获取分子筛工艺条件耗时长、成本高且效率低下的问题。

在使用X射线衍射图谱作为分子筛的预期表征的实施例中，进一步具体的，在如图1所示的步骤S2中，父代种群中每个个体的适应值体现为如下的差值Error：

其中，output为工艺条件到X射线衍射图谱的映射模型的输出，setvalue为X射线衍射图谱中的峰位置的数值，i为特征维度，以及num为峰位置的总数。

在如图1所示的实施例中，分子筛工艺条件的生成方法10是基于差分进化算法的改进和应用。示例性的，采用差分进化算法，如图1所示的步骤S1中配置的算法参数包括最大主迭代次数T、种群大小N、变异策略M、变异因子F、交叉策略C和交叉因子Cr。可以理解的是，用上述字母表示这些算法参数并不代表或限制其个数为1个，而应当理解为该参数众多数值的集合。例如变异策略M在本发明的实施例中均为至少两个，因此“变异策略M”的表述可以认为是多个变异策略M1、M2…Mn的集合M的意思。

关于上述算法参数的取值，在本发明的一些实施例中，主迭代次数T为多个初始参数的数量值的10000倍，且种群大小N为40。并且，变异因子F的取值范围为0～1。另一方面，交叉因子Cr的取值范围为0～1。但是本发明不以这样的取值范围或其相互之前取值范围的搭配为限。

具体的，在如图1所示的步骤S3中，该至少两个变异策略M的个数可以为3个，分别为第一变异策略M1、第二变异策略M2和第三变异策略M3，其中，第一变异策略M1为根据如下的方式计算得到变异个体v：

v＝x₁+F*(x₂-x₃)，

第二变异策略M2为根据如下的方式计算得到变异个体v：

v＝x₁+F*(x₄-x₅)+F*(x₆-x₇)，

第三变异策略M3为根据如下的方式计算得到变异个体v：

v＝x₁+F*(x_best-x₁)+F*(x₈-x₉)，

其中，x₁为当前变异的个体，x₂～x₉为父代种群中随机选择的个体，x_best为如图1所示的步骤S2中计算得出的父代种群中适应值最小的个体。

进一步的，交叉策略C包括按照如下条件生成子代种群中的个体

其中，为在父代种群中的第i个个体的第j维，为变异后的第j维，rand为随机变量，以及Cr为交叉因子。

在本发明的一些实施例中，在如图1所示的步骤S4中，最大附迭代次数为上述变异策略M的数量。例如，当变异策略M的数量为上述的3个时，则设置最大附迭代次数为3次，即在如图1所示的步骤S4中，判断进行中算法的当前迭代次数是否已经达到了3次，若未达到，则重新进行步骤S3直至流程截至该步骤S3时的迭代次数达到了配置的最大附迭代次数。

在本发明的一些实施例中，在如图1所示的步骤S5中，选择的依据为：

其中，为第i个父代种群个体，为经过变异和交叉后产生的子代种群中的个体，以及和分别为子代种群中的个体和父代种群中的个体的适应值。

通过上述的分子筛工艺条件的生成方法10，可以简单方便的获取符合预期的工艺条件，改变了现有技术中通过传统试验手段测试工艺条件的模式和思路，显著提高了生成分子筛工艺条件的效率并降低了成本。

为了更好的理解本发明的分子筛工艺条件的生成方法，示例性的，以本发明如图1所示的分子筛工艺条件的生成方法10为例，简要说明其中一次试验的操作流程和输出结果。

在步骤S1中，初始参数包括原材料(30％NaOH、Ludox AS-40_s、NaAI02、P123、Water)、温度、搅拌速率(包括第一段搅拌速率、第一段搅拌时间和第二段搅拌时间)以及反应持续时间的数值和/或范围；分子筛的预期表征采用X射线衍射图谱表征。

另一方面，步骤S1中配置的算法参数包括主迭代次数T、种群大小N、变异策略M、变异因子F、交叉策略C和交叉因子Cr。具体来说，主迭代次数T的取值为在步骤S1中配置合成分子筛的工艺条件的多个初始参数的数量值m的10000倍，配置种群大小N为40。变异因子F的取值范围为[0,1]，且交叉因子Cr的取值范围为[0,1]，示例性的，

F∈[1.0，0.9，0.8]，Cr∈[1.0，0.9，0.2]。

配置变异策略M的个数为3个，分别为第一变异策略M1、第二变异策略M2和第三变异策略M3，其中，第一变异策略M1为根据如下的方式计算得到变异个体v：

v＝x₁+F*(x₂-x₃)，

第二变异策略M2为根据如下的方式计算得到变异个体v：

v＝x₁+F*(x₄-x₅)+F*(x₆-x₇)，

第三变异策略M3为根据如下的方式计算得到变异个体v：

v＝x₁+F*(x_best-x₁)+F*(x₈-x₉)，

其中，x₁为当前变异的个体，x₂～x₉为父代种群中随机选择的个体，x_best为如图1所示的步骤S2中计算得出的父代种群中适应值最小的个体。

配置交叉策略C为按照如下条件生成子代种群中的个体

为第i个父代个体的第j维,为变异后的第j维；

在步骤S2中，通过随机初始化种群生成一个种群大小N*合成分子筛条件的工艺条件的多个初始参数m的矩阵，其取值范围为[0,1]。并且计算父代种群中每个个体的适应值，具体为工艺条件到X射线衍射图谱的映射模型的输出和预期分子筛的X射线衍射图谱表征的差值Error：

其中，output为工艺条件到X射线衍射图谱的映射模型的输出，setvalue为X射线衍射图谱中的峰位置的数值，i为特征维度，以及峰位置的总数为40。

在步骤S3中，通过不同的变异策略M来产生不同的变异个体，由于在步骤S1中配置的变异策略M的个数为3，所以一个父代种群中的个体会产生3个子代种群的个体。接着再根据交叉策略对父代种群中的个体和变异种群中的个体进行交叉最终生成子代种群。在步骤S3中涉及的变异因子F和交叉因子Cr，在对于每个个体进行变异和交叉操作时将会从上述给定变异因子F和交叉因子Cr的取值范围内随机选取。

在获得子代种群后首先判断一次当前的迭代次数是否达到最大附迭代次数，在本实施例中，设置最大附迭代次数与上述变异策略M的数量相等。如果判断结果为是则执行步骤S5，否则返回步骤S3直至迭代次数达到最大附迭代次数。

在步骤S5中，计算子代种群中每个个体的适应值，具体为工艺条件到X射线衍射图谱的映射模型的输出和预期分子筛的X射线衍射图谱表征的差值Error：

其中，output为工艺条件到X射线衍射图谱的映射模型的输出，setvalue为X射线衍射图谱中的峰位置的数值，i为特征维度，以及峰位置的总数为40。

可以理解的是，需要计算的子代种群个体数量为种群大小N(40)*变异策略M的数量值3。

接着根据步骤S5，为在父代种群和子代种群中选择新父代种群，选择依据为：

为第i个父代种群个体，为经过变异和交叉后产生的子代种群中的个体，以及和分别为子代种群中的个体和父代种群中的个体的适应值。由于变异策略M的数量值为3，竞争选择的比例为3+1选1。

步骤S6为判断当前迭代次数是否达到最大主迭代次数T，若达到则执行步骤S7输出符合预期表征的最优工艺条件，否则返回至步骤S3直至步骤S6中的判断结果为是。

在本实施例中，根据上述的流程操作最终在步骤S7输出的最优工艺条件为适应值最小的个体。但是本发明不以此为限。例如，在本发明的一些其他的实施例中，最优工艺条件可能是适应值最大的个体。

根据上述的流程操作，最终得到的各初始参数的最优选值结果如表1所示。

表1最优工艺条件的输出结果

通过上述的分子筛工艺条件的生成方法，在差分进化算法的基础上加以改进，选择多个变异策略对父代种群中的个体进行变异，并在主迭代的循环流程中增加附迭代次数的判断，不仅可以简单方便的获取分子筛工艺条件，还使得最终输出的最优工艺条件更加符合分子筛的预期表征，从而有效提高了生成分子筛工艺条件的效率，降低了研发成本。

本发明的另一方面还提出了一种分子筛工艺条件的生成系统，包括存储器，用于存储可由处理器执行的指令；以及处理器，用于执行指令以实现上述分子筛工艺条件的生成方法。

如图2所示，为本发明一实施例的一种分子筛工艺条件的生成系统20的系统框图。

分子筛工艺条件的生成系统20可包括内部通信总线21、处理器(Processor)22、只读存储器(ROM)23、随机存取存储器(RAM)24、以及通信端口25。当应用在个人计算机上时，分子筛工艺条件的生成系统20还可以包括硬盘26。

内部通信总线21可以实现分子筛工艺条件的生成系统20组件间的数据通信。处理器22可以进行判断和发出提示。在一些实施例中，处理器22可以由一个或多个处理器组成。通信端口25可以实现分子筛工艺条件的生成系统20与外部的数据通信。在一些实施例中，分子筛工艺条件的生成系统20可以通过通信端口25从网络发送和接受信息以及数据。

分子筛工艺条件的生成系统20还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘26，只读存储器(ROM)23和随机存取存储器(RAM)24，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器22所执行的可能的程序指令。处理器执行这些指令以实现方法的主要部分。处理器处理的结果通过通信端口传给用户设备，在用户界面上显示。

本发明的另一方面还提供了一种存储有计算机程序代码的计算机可读介质，计算机程序代码在由处理器执行时实现上述分子筛工艺条件的生成方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

本申请的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带……)、光盘(例如，压缩盘CD、数字多功能盘DVD……)、智能卡以及闪存设备(例如，卡、棒、键驱动器……)。

计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

虽然本申请已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本申请，在没有脱离本申请精神的情况下还可作出各种等效的变化或替换，因此，只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。