1.一种定日镜场布局的优化方法，其特征在于，包括：对定日镜场进行初始化布局，获得由多组候选参数集合而成的初始化种群；

采用K次分区域内竞争算法对初始化种群进行分区和处理，提取各分区内光学效率最高的候选参数，汇总得到胜出者集合；

采用K次分区域间竞争算法对胜出者集合进行二次分区和处理，提取各二次分区内光学效率最高的候选参数，汇总得到二次胜出者集合；

基于二次胜出者集合，再次执行K次分区域内竞争算法和K次分区域间竞争算法，依此循环，直至获得光学效率最高的候选参数，确定出最优定日镜场布局；

所述K次分区域内竞争算法具体包括：

将初始化种群P中的每组候选参数均对应一个粒子，然后将初始化种群P分割为两个区域，使每个区域中粒子的光学效率均值相同；

K

再将分割后的每个区域进行同样的分割操作，分割K次后得到2个区域；

K

对于分割后的2个区域，依次遍历其中的每一个区域；

对于目前正在遍历的区域，遍历区域中的每个粒子；

假设目前选定的粒子为i，再在该区域中随机选择一个粒子j；

计算粒子i与粒子j对应的光学效率fitness_i和fitness_j；

判断并比较fitness_i和fitness_j的大小；

如果fitness_i≥fitness_j，更新粒子i和粒子j的速度和位置，将粒子i放入胜出者集合W1，将粒子j放入失败者集合L1；否则将粒子j放入胜出者集合W1，将粒子i放入失败者集合L1；

遍历结束后，得到胜出者集合W1；

所述K次分区域间竞争算法包括：

将胜出者集合W1中的每组候选参数均对应一个粒子，然后将胜出者集合W1分割为两个区域，使每个区域中粒子对应的光学效率均值相同；

K

再将分割后的每个区域进行同样的分割操作，分割K次后得到2个区域；

K

对于分割后的2个区域，依次遍历其中的每一个区域；

对于目前正在遍历的区域，遍历区域中的每个粒子；

假设目前选定的粒子为p，再在胜出者集合W1中随机选择一个粒子q；

计算粒子p与粒子q对应的光学效率fitness_p和fitness_q；

判断并比较fitness_p和fitness_q的大小；

如果fitness_p≥fitness_q，更新粒子p和粒子q的速度和位置，将粒子p放入胜出者集合W2，将粒子q放入失败者集合L2；否则将粒子q放入胜出者集合W2，将粒子p放入失败者集合L2；

遍历结束后，得到二次胜出者集合W2；

使每个区域中粒子对应的光学效率均值相同的方法包括：将区域中的粒子按对应的光学效率值进行非降序排列；

计算所有粒子对应的光学效率的总和；

将所有粒子对应的光学效率的总和除以2，得到每个区域的适应度平均值；

初始化一个长度为2的数组表示每个区域光学效率的累积和，初始值全为0；

依次遍历排好序的所有粒子，将当前粒子加到光学效率累积和最小的区域中，直到所有粒子都被分配完为止；

由此得到了分割好的两个区域，且每个区域内粒子对应的光学效率均值相同。

2.根据权利要求1所述的定日镜场布局的优化方法，其特征在于，两个粒子对应的光学效率进行比较后，根据以下公式进行速度和位置更新：；

；

其中， 和 分别表示区域内第t+1次迭代时失败者粒子的速度和位置，和 分别表示区域内第t次迭代后失败者粒子的速度和位置， 表示区域内第t次迭代后获胜粒子的位置， 是第t次迭代所遍历区域内所有粒子的平均位置， 是控制 效果的参数； 表示三个随机向量，D为候选参数的个数；

per是随机扰动项， 服从一个正态分布，其中，，表示第t+1次迭代时粒子位

置所对应的光学效率偏离上一轮迭代时的光学效率的程度， 为扰动控制因子，表示粒子由第t+1次迭代的位置所对应的获选参数求出的光学效率，表示第t次迭代时，由本区域内粒子的平均位置所对应的候选参数求出的光学效率。

3.根据权利要求1所述的定日镜场布局的优化方法，其特征在于，执行K次分区域内竞争算法和K次分区域间竞争算法循环的预设终止条件为计算迭代的总代数N，一旦迭代满N次算法终止输出结果。

4.根据权利要求1所述的定日镜场布局的优化方法，其特征在于，所述光学效率为定日镜场中各定日镜总光学效率的平均值，其中，定日镜场中单个定日镜的总光学效率的计算公式为：；

式中， 是单个定日镜的总光学效率， 是单个定日镜的阴影遮挡效率， 是单个定日镜的余弦效率， 是单个定日镜的大气光学效率， 是单个定日镜的截断效率，是单个定日镜的参考光学效率。

5.根据权利要求1所述的定日镜场布局的优化方法，其特征在于，对定日镜场进行初始化布局的方法包括：使用基于圆形太阳能定日镜场的定日镜径向交错布局来初始化定日镜场的布局。

6.一种定日镜场布局的优化系统，其特征在于，包括：初始化模块，用于对定日镜场进行初始化布局，获得由多组候选参数集合而成的初始化种群；

第一数据处理模块，用于采用K次分区域内竞争算法对初始化种群进行分区和处理，提取各分区内光学效率最高的候选参数，汇总得到胜出者集合；

第二数据处理模块，用于采用K次分区域间竞争算法对胜出者集合进行二次分区和处理，提取各二次分区内光学效率最高的候选参数，汇总得到二次胜出者集合；

最优解确定模块，用于基于二次胜出者集合，再次执行K次分区域内竞争算法和K次分区域间竞争算法，依此循环，直至获得光学效率最高的候选参数，确定出最优定日镜场布局；

所述K次分区域内竞争算法具体包括：

将初始化种群P中的每组候选参数均对应一个粒子，然后将初始化种群P分割为两个区域，使每个区域中粒子的光学效率均值相同；

K

再将分割后的每个区域进行同样的分割操作，分割K次后得到2个区域；

K

对于分割后的2个区域，依次遍历其中的每一个区域；

对于目前正在遍历的区域，遍历区域中的每个粒子；

假设目前选定的粒子为i，再在该区域中随机选择一个粒子j；

计算粒子i与粒子j对应的光学效率fitness_i和fitness_j；

判断并比较fitness_i和fitness_j的大小；

如果fitness_i≥fitness_j，更新粒子i和粒子j的速度和位置，将粒子i放入胜出者集合W1，将粒子j放入失败者集合L1；否则将粒子j放入胜出者集合W1，将粒子i放入失败者集合L1；

遍历结束后，得到胜出者集合W1；

所述K次分区域间竞争算法包括：

将胜出者集合W1中的每组候选参数均对应一个粒子，然后将胜出者集合W1分割为两个区域，使每个区域中粒子对应的光学效率均值相同；

K

再将分割后的每个区域进行同样的分割操作，分割K次后得到2个区域；

K

对于分割后的2个区域，依次遍历其中的每一个区域；

对于目前正在遍历的区域，遍历区域中的每个粒子；

假设目前选定的粒子为p，再在胜出者集合W1中随机选择一个粒子q；

计算粒子p与粒子q对应的光学效率fitness_p和fitness_q；

判断并比较fitness_p和fitness_q的大小；

如果fitness_p≥fitness_q，更新粒子p和粒子q的速度和位置，将粒子p放入胜出者集合W2，将粒子q放入失败者集合L2；否则将粒子q放入胜出者集合W2，将粒子p放入失败者集合L2；

遍历结束后，得到二次胜出者集合W2；

使每个区域中粒子对应的光学效率均值相同的方法包括：将区域中的粒子按对应的光学效率值进行非降序排列；

计算所有粒子对应的光学效率的总和；

将所有粒子对应的光学效率的总和除以2，得到每个区域的适应度平均值；

初始化一个长度为2的数组表示每个区域光学效率的累积和，初始值全为0；

依次遍历排好序的所有粒子，将当前粒子加到光学效率累积和最小的区域中，直到所有粒子都被分配完为止；

由此得到了分割好的两个区域，且每个区域内粒子对应的光学效率均值相同。