论文部分内容阅读
在工程技术和日常生活中会遇到各式各样的热传递现象,可以把这些复杂的实际换热现象归纳为三种基本的热量传递方式:热传导、热对流和热辐射。热传导也称为导热。这里所研究的就是不稳定场的二维热传导反问题的导热系数的反演,即热传导反问题。
本文在介绍经典的微粒群优化算法(PSO,Particle Swarm Optimization)的基础上,研究基于经典的微粒群优化算法(PSO)和量子行为的微粒群优化算法(QPSO,Quanturn-Behaved Particle Swarm Optimization)的二维热传导参数优化方法,具体介绍如何依据正问题温度场以及设计的目标函数利用上述的算法去寻找最优参数组合。在具体应用中为了提高算法的收敛性和稳定性对算法进行了改进,并进行了仿真实验,结果显示在解决热传导反问题优化问题中,经典的微粒群优化算法(PSO)和基于量子行为的微粒群优化算法(QPSO)都适用于热传导反问题的求解,且基于QPSO算法的性能比经典PSO算法更加优越,目前遗传算法已经被应用于该问题中<[2]>,所以在本文最后将应用QPSO算法得到的实验结果和遗传算法得到的实验结果做了一个比较。证明QPSO在热传导领域具有实际应用价值。
由于进行该问题研究计算量很大,所以采用并行计算来进行该问题的研究。本课题是利用MPI组建并行网络环境对二维热传导方程参数反演问题用微粒群优化算法和基于量子行为的粒子群算法进行导热系数的反演的仿真数值求解。