Определение параметров мутной среды представляет собой сложную и некорректную обратную задачу. Статья посвящена исследованию эффективности использования алгоритмов глобальной оптимизации для определения оптических параметров среды, таких как оптическая толщина, альбедо однократного рассеяния, индикатриса однократного рассеяния, а также профиль показателя ослабления по результатам измерений яркости под разными углами. Рассмотрено применение алгоритмов дифференциальной эволюции, SHGO и двойного отжига. Для восстановления индикатрисы однократного рассеяния предложена модификация метода дифференциальной эволюции, которая способна справиться с этой задачей. Проведённые численные расчёты показали, что методы глобальной оптимизации сопоставимы по эффективности с методами локальной оптимизации типа метода Гаусса-Ньютона, который требует вычисления матрицы Якоби. Однако в задаче определения профиля показателя ослабления учёт матрицы Якоби в сочетании с регуляризацией Тихонова приводит к значительному повышению точности решения.
1. Fougnie B., Marbach T., Lacan A., Lang R., Schlüssel P., Poli G., Munro R., André B. Couto A.B. The multi-viewing multi-channel multi-polarisation imager – overview of the 3MI polarimetric mission for aerosol and cloud characterization // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2018. – Vol. 214, November. – P. 23–32.
2. Rodgers C.D. Inverse Methods for Atmospheric Sounding // WORLD SCIENTIFIC. – 2000. – July.
3. Doicu A., Trautmann T., Schreier F. Numerical Regularization for Atmospheric Inverse Problems. – Berlin, Heidelberg: Springer, 2010.
4. Qin Y., Box M.A., Jupp D.L.B. Inversion of multiangle sky radiance measurements for the retrieval of atmospheric optical properties 1. Algorithm // Journal of Geophysical Research. – 2002. – Vol. 107, Is. D22. – P. AAC 10–1–AAC 10–10.
5. Qin Y., Jupp D.L.B., Box M.A. Inversion of multiangle sky radiance measurements for the retrieval of atmospheric optical properties 2. Application // Journal of Geophysical Research. – 2002. – Vol. 107, Is. D22. – P. AAC 11–1–AAC 11–9.
6. Holben B.N., Eck T.F., Slutsker I. et al. AERONET–a federated instrument network and data archive for aerosol characterization // Remote Sensing of Environment. – 1998. – Vol. 66, Is. 1. – P. 1–16.
7. Spurr R., Zeng J., Mishchenko M.I. Linearized t-matrix and mie scattering computations // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2012. – Vol. 113, Is. 6. – P. 425–439.
8. Yan J., Efremenko D.S., Vasilyeva A.A. et al. Scattering morphology resolved total internal reflection microscopy (SMR-TIRM) of colloidal spheres // Computational Mathematics and Modeling. – 2021. – Vol. 32, Is. 1. – P. 86–93.
9. Тихомиров И.А., Мышкин В.Ф., Власов В.А. и др. Методы и устройства по определению индикатрисы рассеяния лазерного излучения в газодисперсной среде // Известия Томского политехнического университета. – 2003. – Т. 306, № 5. – С. 41–44.
10. Herrero-Anta S., Román R., Mateos D. et al. Retrieval of aerosol properties from zenith sky radiance measurements // Atmospheric Measurement Techniques. – 2023. – Vol. 16, Is. 19. – P. 4423–4443.
11. Storn R., Price K. Differential Evolution – A Simple and Efficient Heuristic for global Optimization over Continuous Spaces // Journal of Global Optimization. – 1997. – Vol. 11, Is. 4. – P. 341–359.
12. IEEE 2023 Congress on Evolutionary Computation (CEC). IEEE, 2023. http://dx.doi.org/10.1109/CEC53210.2023.
13. Das S., Mullick S.S., Suganthan P.N. Recent advances in differential evolution – An updated survey // Swarm and Evolutionary Computation. – 2016. – Vol. 27. – P. 1–30.
14. Lobato F.S., Steffen V., Silva Neto A.J. Solution of inverse radiative transfer problems in two-layer participating media with differential evolution // Inverse Problems in Science and Engineering. – 2009. – Vol. 18, Is. 2. – P. 183–195.
15. Rapin J., Teytaud O. Nevergrad – A gradient-free optimization platform (2018). URL: https://GitHub.com/FacebookResearch/Nevergrad (дата обращения: 23.10.2023).
16. Microsoft. Neural Network Intelligence (2021). URL: https://github.com/microsoft/nni (дата обращения: 23.10.2023).
17. Golovin D., Solnik B., Moitra S. et al. Google vizier: A service for blackbox optimization / Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Halifax, NS, Canada, August 13–17, 2017. – New York: ACM, 2017. – P. 1487–1495.
18. Budak V.P., Klyuykov D.A., Korkin S.V. Complete matrix solution of radiative transfer equation for PILE of horizontally homogeneous slabs // Journal of Quantitative Spectroscopy and Radiative Transfer. – 2011. – Vol. 112, Is. 7. – P. 1141–1148.
19. Afanas’ev V.P., Basov A. Yu., Budak V.P., Efremenko D.S., Kokhanovsky A.A. Analysis of the discrete theory of radiative transfer in the coupled «ocean–atmosphere» system: Current status, problems and development prospects // Journal of Marine Science and Engineering. – 2010. – Vol. 8, Is. 3. – P. 1–17.
20. Spurr R., Christ M. The LIDORT and VLIDORT linearized scalar and vector discrete ordinate radiative transfer models: Updates in the last 10 years / Part of the book series: Springer Series in Light Scattering (SSLS). – Springer International Publishing, 2019. – P. 1–62.
21. Schutgens N.A.J., Stammes P. A novel approach to the polarization correction of spaceborne spectrometers // Journal of Geophysical Research: Atmospheres. – 2003. – Vol. 108, Is. D7. – P. AAC 12–1–AAC 12–14.
22. Lin M., Wang Z., Wang F. Hybrid differential evolution and particle swarm optimization algorithm based on random inertia weight / Proc. 34rd Youth Academic Annual Conference of Chinese Association of Automation (YAC). IEEE, June 2019. DOI:10.1109/YAC.2019.8787698.
23. Zhang J., Sanderson A.C. Adaptive Differential Evolution. – Berlin, Heidelberg: Springer, 2009.
24. Zhang J., Sanderson A.C. JADE: Self-adaptive differential evolution with fast and reliable convergence performance / Proc. 2007 IEEE Congress on Evolutionary Computation. IEEE, September 2007. DOI:10.1109/CEC.2007.4424751.
25. Peng F., Tang K., Chen G., Yao X. Multi-start JADE with knowledge transfer for numerical optimization / Proc. 2009 IEEE Congress on Evolutionary Computation. IEEE, May 2009.
26. Endres S.C., Sandrock C., Focke W.W. A simplicial homology algorithm for Lipschitz optimization // Journal of Global Optimization. – 2018. – Vol. 72, Is. 2. – P. 181–217.
27. Xiang Y., Gong X.G. Efficiency of generalized simulated annealing // Physical Review E. – 2000. – Vol. 62 (3 Pt B). – P. 4473–4476.
28. Hess M., Koepke P., Schult I. Optical properties of aerosols and clouds: The software package OPAC // Bulletin of the American Meteorological Society. – 1998. – Vol. 79, Is. 5. – P. 831–844.

• Предыдущая статья
• Следующая статья

• перенос излучения
• деконволюция
• дифференциальная эволюция
• регуляризация Тихонова