具有镜漫射边界辐射源项问题的微粒群智能反演研究.pdfVIP

中国工程热物理学会 传热传质学 学术会议论文 编号：063204 具有镜漫射边界辐射源项问题的 微粒群智能反演木 阮立明 齐宏 吕英明 谈和平 (哈尔滨工业大学航空航天热物理研究所。哈尔滨，150001) Tel：0451E．mail：Ruanlm(hit．edu．cn 摘要；本文采用智能微粒群算法(PSO)反演具有镜漫反射边界一维平板的辐射源项分布问题．其 中，采用离散坐标法近似求解方向辐射强度作为反问题的测量参数，采用求目标函数极小值的PSO智 群(MPPSO)求解辐射源项问题的计算效率和精度．结果表明，对于离散型源项和连续型源项反演问 题，MPPSO算法的计算效率和精度均优于其他两种算法．考虑到PSO’算法的广泛适用性，建议在求 解其他传统问题很难解决甚至无法解决的辐射反问题时，采用智能PSO算法． 关键词：微粒群算法；镜漫反射边界；辐射源项反问题 l引言 辐射反问题有广泛的应用背景，如通过辐射强度或辐射热流得测量反演介质的辐射 物性、介质内部温度分布(或辐射源项)、粒径分布等。目前，有很多介质内部辐射源 项反演研究的报道，如Yi、Siewert和刘林华等人11’2】的工作。尽管如此，很多工作主要 考虑的是透明边界，同时其反问题求解模型主要采用传统的方法(如共轭梯度法、最小 优算法，但在多极值问题中几乎不具备全局寻优能力，且需提供一合适的初值，才能收 敛到一个较好的结果。其另一缺点是需要已知目标函数的一阶或二阶导数，但有时目标 函数本身并不可导，而数值求解会导致很大的计算量。 与常规方法相比，智能随机优化算法具有如下优点：不区分待求问题是线性的还是 非线性的；具有较强的全局寻优能力，对于目标函数而言，甚至不要求具有显式表达式， 只需在所计算的点处提供函数值。本文将智能微粒群算法(PSO)引入到辐射传输反问 题的研究中，考察不同微粒群算法的计算效率、精度以及适应性问题，扩展PSO算法 的应用领域，开拓辐射反问题的求解思路。 2微粒群算法PSO 应演化计算模型，其特点是概念简单，易于编程实现，已成功地用于系统辨识、神经网 络训练、模式分类、模糊系统控制、机器人技术应用、图像处理等多个领域。 过的最好位鹭记为E(f)，群体所有微粒经历过的最好位置记为P{，。对每一代，其位置 和速度根据如下方程变化： ’资助项r】：陶家rl然科学基金项目资助(NoNo 534 (1) xf0+1)=X，O)+V：(f+1) (2) PSO参数包括：群体规模M，惯性权重W，加速度常数Cl和c2，最大速度V一，最大 代数，m。。。标准PSO的算法流程具体见文献【4】，这里不加赘述。为保证PSO方法的以 概率l收敛于全局最优解，曾建潮等15】提出了引入一个随机微粒的随机微粒群算法 (SPSO)，利用停止进化的微粒改善全局搜索能力是SPSO算法的基本思想。本文引入 PSO)克服PSO算法存在易于陷入局部最优点的缺点。 多相微粒群算法(Multi-phase MPPSO综合两群替代微粒群优化算法和多次启动PSO的特点，引入“分群”的思想和 “相”的概念，通过限制微粒在搜索空间内的飞行速度和速度的自适应策略，使微粒能 够在大空间内广泛搜索、在局部区域内快速搜索，增加种群多样性，加快收敛速度，增 强PSO算法的全局寻优能力。 3正问题 考虑一吸收系数和散射系数分别为砭和K的一维吸收散射性均匀灰介质，边界部 分镜反射部分漫反射，环境为冷介质。 ∥掣州训)-(1刊∞)+詈龃“)吣∥蹦(3) 源项Jp)可按多项式展开表示为：s(丁)=÷刀4=÷盯∑％妒，采用离散坐标法求 ／‘