基于PSO算法的求解热传导反问题的应用研究

给出了一类热传导反问题的数学模型,并采用粒子群优化算法对该热传导反问题进行了相变界面位置的反演求解.在标准PSO的基础上,研究了基于自适应PSO的热传导反问题的参数优化方法,并对粒子群优化算法中粒子数、粒子最大移动速度和加速系数的取值进行了讨论.仿真结果表明:在热传导反问题的优化求解中,PSO算法具有较高的精度和较好的收敛速度.     

遗传算法和蚁群算法在水库优化调动中的联合应用

为了更好地解决水库优化调度问题,将遗传算法和蚁群算法融合应用于水库调度,指出遗传蚁群混合算法的收敛率更高,具有更好的全局收敛性能,遗传蚁群混合算法在更少的迭代次数迭到全局最优解,具有更高的收敛速度.     

混合优化策略在生命线管网拓扑设计中的应用

提出用遗传-模拟退火算法(GASA)混合优化策略来求解生命线管网的拓扑优化问题.混合优化策略结合了遗传算法的并行搜索机制和模拟退火算法的概率突跳特性,提高了算法的优化性能、参数鲁棒性以及计算效率.数值仿真实验表明了算法的稳定性非常好,首次达到最优值的进化代数,且比单一遗传算法提高了26.5倍.     

单管感应电能传输系统参数全局优化

针对单管感应电能传输系统参数优化中存在的设计参数约束少、参数非全局最优等问题,提出一种参数全局优化算法。将系统效率最高作为目标函数,以原副边电感、电容等关键器件的电压、电流大小为约束条件,将工作频率、原副边电感、电容作为优化变量,建立系统的非线性规划数学模型,采用智能优化算法进行模型解算。为避免算法收敛于局部最优,设计了"遗传算法+模式搜索"的混合算法,即在遗传算法求得最优解的基础上,采用模式搜索进行深度优化。仿真和实验结果表明,提出的方法能从全局角度对系统进行整体优化,单次优化得到所有最优参数,减少了工作量;求解时的混合优化算法具有较优的全局搜索能力,可用于其他约束优化问题。     

基于Pdepe算法的高温作业防护服装厚度设计

针对高温作业专用服装的温度分布以及最优厚度的设计问题,运用MATLAB中的Pdepe算法、遗传算法、迭代算法和智能算法,分别建立了空气层和单层固态热传导模型、空气层和三层织物层混合模型、基于遗传算法、多次迭代和智能算法的厚度求解模型,运用MATLAB软件进行编程求解,得到了皮肤表层温度分布关系图和防护服装的最优厚度等结论,给出了防护服的最低成本的设计方案.     

船舶协同设计中的优化资源配置算法研究

分析了船舶协同设计过程中任务分解和任务分配的基本方法,在此基础上建立了求解最低设计成本数学模型.讨论了利用遗传算法和模拟退火算法解决船舶协同设计中的优化资源分配问题,并比较了各个算法的优缺点.提出了采用遗传模拟退火的混合算法在船舶设计中计算最优资源分配的方案.经实验证明,混合算法能够取得全局最优解,最大限度地实现最小化项目设计成本的目标.     

基于神经网络和遗传算法的无功优化设计

无功优化是一个复杂的混合优化问题,传统方法较难获得全局最优解.文中提出了将并行遗传算法和Hopfield网络相结合的算法.该方法利用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取,并采用Hopfield网络简单、快速、规范的优点来优化样本空间,以取得整体的优化效率.     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

基于混合微粒群算法的网格服务工作流调度

采用微粒群优化的种群搜索方式,融合了局部搜索和全局搜索,引入了模拟退火算法和遗传算法思想,利用模拟退火随机概率来避免陷入局部最优,提出了一种混合微粒群优化算法,以便更好地满足用户期望的服务质量,解决网格服务工作流调度问题.网格仿真试验结果显示:对于具有全局QoS约束条件的Web服务选择,在执行效率上混合微粒群优化算法明显优于其他混合遗传算法,可在较短时间内获得较好的解,是求解多目标网格服务工作流调度问题的有效方法.     

用Powell方法求解不可微函数

在浮点编码遗传算法中加入Powell方法,构成适于不可微函数全局优化的混合遗传算法.混合算法改善了遗传算法的局部搜索能力,显著提高了遗传算法求得全局解的概率.由于只利用函数值信息,混合算法是一种求解可微和不可微函数全局优化问题的通用方法.     

热传导反问题智能化识别

基于一种时域精细算法和蚁群算法,利用测量信息和计算信息构造最小二乘函数,将多宗量反演识别问题转化为一个优化问题,建立了求解多宗量一维瞬态非线性热传导反问题的智能优化数学模型.可对非线性内热源强度、导温系数和边界条件等多个热学参数进行组合识别.对信息测量误差作了初步探讨,数值验证给出令人满意的结果.结果表明该计算模型能够对非线性多宗量热传导反问题进行有效的求解,并具有较高的计算精度.     

蚁群算法求解稳态传热反问题

针对热传导反问题的不适定性和非线性,为了改进热传导反问题的求解方法,考虑了材料非均质的影响,建立了稳态热传导有限元正演模型。根据测量温度信息,将热物性参数和边界条件的单一和组合识别问题归结为一个优化问题,进而利用基于网格划分策略的蚁群算法进行求解。探讨了参数取值范围和数据噪音对识别结果的影响,数值验证取得了令人满意的结果。     

二维圆管导热反问题内壁瞬态温度的快速识别

以二维圆管为研究对象,基于控制容积积分法的导热正问题以及基于共轭梯度法的优化算法来构建二维瞬态导热反问题数学模型,分别采用Gauss-Seidel点迭代法与托马斯算法（tridiagonal matrix algorithm,TDMA）线迭代法对导热正问题离散方程进行求解。为了探究Gauss-Seidel点迭代法与TDMA线迭代法两种模型的精确性与时效性,设定了3种内壁面温度变化规律,以正问题所得到的外壁面温度值作为导热反问题的输入条件,并引入标准正态随机测量误差,探讨测量误差对反演结果精度的影响。数值试验证明了两种方法反演的精确性和抗噪性,且对比结果表明TDMA线迭代法的求解速度要优于Gauss-Seidel点迭代法,能够较快地反演得到内壁面温度波动值。     

基于动态参数蚁群算法的寻源导热反问题研究

基于蚁群优化算法,求解含有未知内热源位置的导热逆问题.通过分析计算表明:信息素启发因子、能见度启发因子、信息素挥发率等蚁群参数对蚁群选择路径以及路径上信息素浓度更新有直接影响,其取值最终会影响求解结果的准确性及收敛速度.在计算过程中,路径上的信息素浓度不断改变,蚂蚁选择路径也趋于集中,采用定值蚁群参数不能满足在整个计算过程中都具有良好的性能,为此提出了动态参数蚁群算法,并根据计算分析结果确定蚁群参数值随全局循环次数而变的动态函数.计算结果证明,采用动态参数蚁群算法能有效提高求解反问题的质量及收敛速度.     

基于支持向量机的导热反问题研究

将支持向量机(Support Vector Machine,SVM)技术应用于导热反问题的求解,通过支持向量机和导热正问题的结合实现了导热反问题的求解.从理论上分析了方法的可行性,并且将本文提出方法的计算结果和现有方法的仿真结果进行了比较,比较结果显示了该方法的优越性.本文提出的算法为导热反问题的求解提出了新的途径.     

一类热传导反问题中边界温度场的重建算法

给出了一类二维热传导方程反问题中边界温度场的重建算法。首先将反问题归结为一泛函极小化问题;然后通过对未知边界的有限维逼近,将反问题分解成一系适定的热传导方程正问题;最后根据偏微分方程线性问题的叠加原理,将泛函极小化问题离散为线性代数方程组,再应用Tikhonov正则化方法求解线性代数方程组,从而获得边界温度场的数值解。数值算例表明了本文的算法是有效的,且具有较强的稳定性。     

二维稳态导热反问题的正则化解法

构造求解二维导热反问题的数值迭代解法,并以含内热源二维导热问题为背景,采用该迭代解法确定材料热传导系数。在每个迭代步中采用Tikhonov正则化方法克服反问题固有的不适定性。数值算例表明,该方法可行、有效,不仅适用于单介质热物性参数反演问题,而且适用于多介质热物性参数反演问题。     

稳态热传导线源识别反问题的数值通解方法

提出了一种稳态热传导源项识别反问题的求解方法.构造了基于有限元数值解,满足热传导控制方程和边界条件、离散形式、以热源强度为变量的数值通解显式表达,从而将热传导源项识别反问题转化为多元极值问题,能够方便地反演出热源强度.推导了基本计算公式,讨论了热传导源项识别中热源强度的数学建模问题,进行了算法的误差分析.并以模具加热板的热源设计为算例,验证了算法的正确性与实用性.这对进一步研究热源空间分布识别和多维源项识别反问题具有重要意义.     

二维对流-扩散方程反问题的遗传算法求解

给出了利用遗传算法求解二维定常对流一扩散方程参数反演的一种新方法,该方法把参数反演问题转化为优化问题求解。特别从多个初始点开始寻优,并借助交叉和变异算子来获得参数的全局最优解。数值模拟结果表明,该方法具有精度高且编程简单、易于计算机实现等特点。