抛物型方程反问题的混合粒子群算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 35-37.

抛物型方程反问题的混合粒子群算法

闵涛，李辉，杨晓莉，卢鸿鹏

西安理工大学理学院，西安 710054

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Inverse problems of parabolic equations of hybrid particle swarm optimization

MIN Tao，LI Hui，YANG Xiaoli，LU Hongpeng

School of Science，Xi’an University of Technology，Xi’an 710054，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 粒子群优化算法（PSO）是一种新兴的优化技术，它的思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。粒子群算法简单容易实现，可调参数少，已经得到了广泛研究和应用。提出了一种结合有限元方法求解偏微分方程反问题的混合粒子群算法，在对多个抛物型方程反问题模型测试的数值模拟中都得到了较好的结果，体现了该算法的有效性、通用性和稳健性。

关键词: 群体职能, 抛物型方程, 演化算法, 粒子群优化, 反问题

Abstract: Particle Swarm Optimization（PSO） is a new optimization technique originating from artificial life and evolutionary computation.The algorithm completes the optimization through following the personal best solution of each particle and the global best value of the whole swarm.PSO can be implemented with ease and few parameters need to be turned.It has been successfully applied in many areas.It can get preferable results in some inverse problems of parabolic equation model’s numerical simulations.The results show that the approach is effective，general and robust.

Key words: swarm intelligence, parabolic equation, evolutionary algorithm, particle swarm optimization, inverse problem

闵涛，李辉，杨晓莉，卢鸿鹏. 抛物型方程反问题的混合粒子群算法[J]. 计算机工程与应用, 2011, 47(16): 35-37.

MIN Tao，LI Hui，YANG Xiaoli，LU Hongpeng. Inverse problems of parabolic equations of hybrid particle swarm optimization[J]. Computer Engineering and Applications, 2011, 47(16): 35-37.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[6]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[7]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[8]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[9]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[10]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[11]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[12]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[13]	汤深伟，贾瑞玉. 基于改进粒子群算法的[k]均值聚类算法[J]. 计算机工程与应用, 2019, 55(18): 140-145.
[14]	王燕燕1，王宏伟1，2. 基于粒子群的后件多项式RBF神经网络算法[J]. 计算机工程与应用, 2019, 55(12): 72-76.
[15]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.