[发明专利]一种基于优化算法的粒子束注量分解为笔形束的方法

权利要求书

1.一种基于优化算法的粒子束注量分解为笔形束的方法，其特征在于实现步骤如下：

(1)通过实验测量得到粒子束的注量分布Φ_beam(x,y)，并作为优化分解的输入；

(2)根据计算需要选取各个笔形束的分布函数Φ_i(x,y)的形式，只要该函数可积，该函数包括表征其中心位置、大小的参数，分解后的粒子总注量分布为w_i是各个笔形束的权重，N是笔形束的个数，分解的误差即为ΔΦ(x,y)＝|Φ_beam(x,y)-Φ_decomp(x,y)|；

(3)确定优化笔形束分解的约束条件和优化目标，这些约束和目标包括分解的误差ΔΦ(x,y)，笔形束的个数，以及笔形束的大小；

(4)优化计算得到各笔形束的中心位置、大小、权重或强度参数，作为后续剂量计算程序的输入。

2.根据权利要求1所述的基于优化算法的粒子束注量分解为笔形束的方法，其特征在于：所述步骤(4)使用的优化算法包括遗传算法、蚁群算法、模拟退火算法，使用优化算法对粒子束通量/注量进行笔形束最优分解，避免了传统方法分解效率低及依赖经验参数的问题。

3.根据权利要求1所述的基于优化算法的粒子束注量分解为笔形束的方法，其特征在于：所述步骤(3)约束条件和优化目标：分解误差ΔΦ(x,y)、分解成的笔形束个数N、权重以及各个笔形束的大小，可以根据具体的需要，灵活设定约束条件和优化目标，包括三种形式：

约束条件为分解后的笔形束个数N和各笔形束的大小，优化目标是ΔΦ尽可能小，以减小误差；

约束条件为ΔΦ小于设定值和笔形束的大小限制，优化目标则是分解的笔形束数目N尽可能小，以提高剂量计算的速度；

约束条件为限制N和ΔΦ，优化目标是分解的笔形束大小尽可能小，以提高剂量计算的精度。

4.根据权利要求1所述的基于优化算法的粒子束注量分解为笔形束的方法，其特征在于：所述笔形束有多种形式，包括高斯型分布、拉普拉斯分布、柯西分布，对于高斯分布是圆形高斯分布或是椭圆形的二维高斯分布优化输出的是各笔形束的中心位置、大小、权重参数。