北航研究生计算材料学思考题.doc

思考题 数学模型及分类 对于一个真实过程，为了一个特定的FI的，根据内在规律，做出必要的简化假设， 运用适当的数学工具得到一个数学结构 O按经验成分 ?机理模型：基本定律推到而得。偏微分方程 ?半经验模型：主要依据物理定律，同吋包括一定经验假设 ?经验模型：以具体系统的考察结果为基础，不反应过程的内 部本质和特征 O按表现特征 ?确定性与随机性模型：是否有随机因素的影响 ?静态与动态模型：是否与时间有关 ?线性与非线性模型：微分方程是非线性 ?离散与连续模型：变量是否连续 MATLAB的特点 起点高 a） 每个变量代表一个矩阵，有个元素 b） 每个兀素都可看作复数 c） 所有运算都对矩阵和复数有效 人机界面适合科技人员 d） 语言规则与数学笔算式相近 e） 无需编译 强大而简易的作图功能 f） 自动决定坐标 g） 能规定多种坐标系 h） 三维曲线和曲而 i） 不同颜色、线形、视角等 智能化程度高 功能丰富，可扩展性强 遗传算法及其基本过程 遗传算法及其基本过程 基本遗传算法，是模拟达尔文生物进化论的然选择和遗传学机理的生物进 化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，是由 Goldberg总结出的一利最基木的遗传算法，其遗传进化操作过程简单，容易 理解，是其它一些遗传算法的雏形和基础 （1）群体搜索，易于并行化处理; （2） 不是盲H穷举，而是启发式搜索； （3） 适应度函数不受连续、可微等条件的约束，适用范围很广。 4. Monte Carlo方法及其特点 赌城，计算方法。该算法与随机、概率有着密切的联系。 a） 随机模拟（Random simulation） b） 随机抽样（Random sampling） c） 统计试验（Statistical testing） 建立-?个恰为的概率模型或随机过程，使得其参量（如事件的概率、随 机变量的数学期望等）等于所求问题的解;对模型或过程进行反复多次的随机抽样试验，并对结果进行统计分析， 最后计算所求参量，得到问题的近似解 在简单的理论准则基础上(如简单的物质与物质以及物质与环境 相互作用)，采用反复随机抽样的手段，解决复杂系统的问题。 采用的是随机抽样的手法，可以模拟对象的概率与统计的问题。 通过设计适为的概率模型，该方法还可以解决确定性问题，如定积分等。 特点： 由于Monte Carlo方法是通过大量简单的重复抽样来实现的，因 此，方法和程序的结构十分简单。 收敛速度比较慢，因此，较适用于求解精度要求不高的问题。 收敛速度与问题的维数无关，因此，较适用于求解多维问题。 问题的求解过程取决于所构造的概率模型，而受问题条件限制的 影响较小，因此，对各种问题的适应性很强。 5. Metropolis Monte Carlo 方法及其意义 热平衡条件下产生系统状态的重要性抽样方法。 化学组成一定吋，概率分布是系统哈密顿的函数。否则，是化学位的函 数。 方法： 系统原状态xi 随机产生状态X2 舍取： H(x2) H(xi),取； H(x2)= H(xx),产生［0,1］随机数 g ￡,=exp(-8 H/kT),取; ^exp(-5 H/kT),舍。 ? 系统各状态岀现的概率取决于系统的温度和哈密顿量，这是 Metropolis Monte Carlo 方法的核心。 简述陶瓷液相烧结过程中晶粒生长的MC 简述陶瓷液相烧结过程中晶粒生长的MC模拟过程 建立模型，定义能量 (1)随机选取一个单胞 (2)如果选取的单胞是液相(q=0) a)如果周围都是液相，不再分布，回到1 i.如果周囤有固相存在，则该单胞取某个固和的方向数；然后, 从该单胞出发在液相屮随机行走，直到走到固相，该固相单胞变成 液相。跳到4。 ⑶如果选取的单胞是固相 i.如果周围都是固相,方向数取周围的某个值。跳到4。 ii?如果周囤有液相存在，则该固和单胞变成液和；然后，从该 单胞出发在液相屮随机行走，直到走到固相，前一步的液相单胞成 为固相，方向数取走到的固相的值。进到4。 ⑷ 舍取， H(x2)H(xl),取; H(x2)=H(xl),产生［0J］随机数 g ￡=exp(-8 H/kT),取; gexp（?§ H/kT）,舍。 吋间（MCS）： N次试验（与舍取无关），N为总单胞数。 7.元胞自动机方法及其在材料领域中的应用 吋间和空间都离散的动力系统。散布在规则格网（Lattice Grid）屮的每一元胞 （Cell）取有限的离散状态，遵循同样的作用规则,依据确定的局部规则做同步更新。 大量元胞通过简单的相互作用而构成动态系统的演化。 不同于一般的动力学模型，元胞口动机不是由严格定义的物理方程或函数确 定，而是用一系列模型构造的规则构成。凡是满足这些规则的模型都可以算作是 元胞自动机模型。因此