用遗传算法求解多维导热反问题 solution of multi-dimensional inverse heat conduction problem using genetic algorithm.pdfVIP

第26卷第l期 核动力工程 2 005 年2月 NuclearPower Feb．2005 Engineenng 文章编号：0258．0926(2005)01—0023．05 用遗传算法求解多维导热反问题 王秀春1，智会强2，毛一之1，杨增军1，韩鹏1 (1河北工业大学能源与环境工程学院．天津．300132；2．公安部天津消防研究所，300381) 摘要：将遗传算法引入了导热反问题的研究中，建立了用遗传算法求解多维导热反问题的数学模型。通 过数值模拟，对本算法的可行性和有效性进行了验证，并讨论了观测点数目对求解精度的影响．给出了观测 点数目的选取方法。结果表明，此法是可行的、有效的，并具有较高的精度。本方法应用的唯一前提是与反 问题相应的正问题可解： 关键词：导热反问题；遗传算法；评价函数 中图分类号：TL329文献标识码：A 1 引 言 遗传算子的操作，使这些可能解逐步改变，并在 “物竞天择，适者生存”的选择原则下，根据个 导热反问题(mCP，inverseheatconduction 体的适应度大小进行选择，使群体在若干代后， pmblem)的研究在工程实践中有着十分重要的作 用lll。从数学上讲，导热反问题是一种不适定问 “素质”得以提高，在这些子代中，“素质”最好 题，它不像适定问题那样在解的存在性、唯一性、 的，也即适应度最大的个体，即是问题的最优解。 稳定性方面有较好的性质，因此，求解反问题要 2．2遗传算法的基本组成 比正问题困难的多。目前，对一维瞬态反问题研 遗传算法可以定义为一个8元组15】 究较多，解决较好，而对多维问题研究较少，解 倪=(C，E，Po，M，多，厂，缈，D。 决方法也不完善。目前的工作多侧重于单变量的 式中，c表示个体的编码方法，可分为浮点编码 反演，对热流、温度、换热系数等多变量的综合 和二进制编码；E表示个体适应度评价函数．它 反演模式尚不多见。但在工程实际中，多变量反 在遗传算法中起环境的作用，是选择的依据；P0 演是比较常见的【2l。已有的反问题求解方法主要 表示初始群体；M表示初始群体的大小，一般为 有：明确函数法、有限差分法、正则化方法、共 轭梯度法【3·4】等。这些方法主要是针对特定的导 选择法、随机遍历抽样、波尔兹曼选择法、锦标 热反问题的，适用范围比较窄．而且收敛性不能 赛选择法【5‘叫等；厂表示交叉算子，主要有离散 得到保证，这对工程应用来说是十分不利的。 交叉、中间交叉、线性交叉、单点交叉、多点交 叉等；壤示变异算子，主要有边界变异、非均 针对上述问题，本文将遗传算法(GA，genetic 衡变异、均衡变异等；礞示算法的终止条件， algorithm)引入导热反问题研究，并建立了多变量 反演的数学模型。数值模拟结果表明，此法是可 可以规定最大遗传代数或最小偏差等条件来终止 行的、有效的，并且具有相当的通用性。 遗传算法。一般情况下，最大代数可取为loo一 500。 2遗传算法简介 2．3遗传算法的特点 2．1遗传算法的基本思想 和其它优化算法相