基于遗传算法的快速多极基本解法的源点分布优化分析
【图文】:
198机械工程学报第52卷第7期期式中,M为源点数目;jy(j1,2,,M)为虚源面上的点;为虚源面;qjy为源点jy处的源强;G,jxy为格林函数;HR为反射系数;jy为jy关于无限延伸反射面的镜像对称点。图1源点布置示意图格林函数1100Gx,yikhkr4π,hkr为零阶第一类球汉克尔函数;rxy;1100G,ikhk4π,hkjxyrr为零阶第一类球汉克尔函数;rxy;此处将无限延伸反射面视为刚性平面,因此1HR。对式(2)进行离散,ix(i1,2,,N)为边界上的配置点,从而有1,,jMjpqGGijijjxyxyxy(3)式中,i=1,2,…,N;N为配置点的数目。进而可得1112111212222212MMNMNMMNaaaqbaaaqbaaaqb(4)即Aqb式中A——系数矩阵;q——待求解矢量;b——右边已知矢量。本文令源点数目与配置点数目相等,即MN。接下来,解决源点分布优化的问题,由于遗传算法具有良好的全局搜索的能力,且不会陷入局部最优的优点[12],因此,本文拟采用遗传算法优化源点分布。设计变量为源点与配置点间的距离,取值范围为[Lb,Ub],计算步长为d,kbdLkd;其中,integer/bbkULd。为了优化源点的分布,在此定义源点与配置点的误差函数为,,,,(,,knkknkknkkdvvvxynxynxyn(5),,dnkkkkkvqGSxyyxy,,,dnkkknkkvqGSxynyxy式中,kd为源点与配置点间距离;,kkxy为源点与配置点间距离kd对应的配置点和源点坐标;n为边界上点kx对应的法向梯度。由于遗传算法中保留适应度大的个体,淘汰适应度小的个体,因此,将d看作适应度?
月2016年4月陈长征等:基于遗传算法的快速多极基本解法的源点分布优化分析199图2用于优化源点分布的遗传算法流程图接下来根据优化后的源点和配置点间的距离d,,采用式(7)计算源点分布diinyxn(7)式中,n为配置点ix处的法向矢量。利用遗传算法求解源点的最优分布后,通过多极展开、局部展开以及相应的展开转移过程,实现矩阵方程组左边的Aq快速计算。对于距离配置点较近的源强点,可以通过传统基本解法直接求得1N,njGqvijjixxyryxrn(8)当考虑离配置点x较远的源强点yi,式(3)的多极展开[3]为2101111,214π(,,,,)lnjnmnmmmmnnnnckqGnMkOkMkOkjij''yxyYYxYYx(9)其中,假设正方体晶格1Y内包含了l个简单源,11111,mmnnnOkYxhkYxYYxYx为球谐函数;mnY是1Y关于无限延伸反射面的镜像对称正方体晶格。1,mnMkY称为多极矩,其表达式为111,,lmmnnjMkMkjYYy(10)11,,mmnnjMkIkqjjYyYy1111,mmnnnIkYyjkYyYYyYy为了将晶格1Y的多极展开系数转移到其父层晶格的中心点0Y,多极展开系数转移式(Momentstomoments,M2M)为0,,,,011,211,,mnnmnnmmlnmnlUmmmnnMknWIkMkYYYY(11)'{|,:even,max,}UllZnnlmmnnlnn,,,,21000nnmmlnnlWnnlnnllimmmm式(3)沿着0X做局部展开12000,21,,4πljnmmnnnmnqGcknIkLkjijyxyXxX(12)将晶格0Y的多极展开系数变
【作者单位】: 沈阳工业大学机械工程学院;沈阳工业大学建筑工程学院;
【基金】:中国博士后科学基金(2014M560220) 国家科学支撑计划(2013BAF07B04)资助项目
【分类号】:TP18
【相似文献】
相关期刊论文 前10条
1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期
2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期
3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期
4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期
5 ;遗传算法[J];计算机教育;2004年10期
6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期
7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期
8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期
9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期
10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期
相关会议论文 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
相关重要报纸文章 前1条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
相关博士学位论文 前10条
1 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
2 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
3 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
4 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
5 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
6 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
7 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年
8 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年
9 李航;遗传算法求解多模态优化问题的研究[D];天津大学;2007年
10 石玉;提高实数遗传算法数值优化效率的研究[D];南京航空航天大学;2002年
相关硕士学位论文 前10条
1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年
4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年
5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年
6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年
本文编号:2552773
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2552773.html