改进遗传算法的ERT有限元网格节点编号优化

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (7): 20-22.

改进遗传算法的ERT有限元网格节点编号优化

肖理庆1，2，王化祥1

1.天津大学电气与自动化工程学院，天津 300072
2.徐州工程学院信电工程学院，江苏徐州 221111

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-01 发布日期:2011-03-01

Optimization of node numbering in ERT finite element mesh based on improved genetic algorithm

XIAO Liqing1，2，WANG Huaxiang1

1.School of Electrical Engineering & Automation，Tianjin University，Tianjin 300072，China
2.Department of Information & Electrical Engineering，Xuzhou Institute of Technology，Xuzhou，Jiangsu 221111，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-01 Published:2011-03-01

摘要/Abstract

摘要： 在电阻层析成像中，有限元网格节点编号对整体刚度矩阵的带宽具有重要决定性的作用，而整体刚度矩阵的带宽直接决定了数据的存储量以及求解方程组的计算量。为了提高电阻层析成像中有限元的计算效率，减少数据存储量，利用改进遗传算法，对电阻层析成像中两种典型拓扑结构的有限元模型节点编号进行优化。实验结果表明，与常用节点编号规则相比，利用改进遗传算法可得到更优的带宽值，从而节省了计算机的内存空间，提高了计算效率。

关键词: 电阻层析成像, 有限元网格, 节点编号, 带宽, 遗传算法

Abstract: In electrical resistance tomography，node numbering of finite element mesh plays a decisive role in determining the bandwidth of the global stiffness matrices，while the memory capacity of the data and the computational complexity to solve the equations is determined by the bandwidth.In order to improve the efficiency of finite element computation in electrical resistance tomography，and reduce the amount of storage of computation data，the node numbering in finite element mesh is optimized by an improved genetic algorithm for two typical topology structures.Experimental results show that，compared with the usual node numbering rule，the bandwidth can be reduced by applying the improved genetic algorithm，so the memory of computer can be saved and the computer efficiency can be improved.

Key words: electrical resistance tomography, finite element mesh, node numbering, bandwidth, genetic algorithm

肖理庆1，2，王化祥1. 改进遗传算法的ERT有限元网格节点编号优化[J]. 计算机工程与应用, 2011, 47(7): 20-22.

XIAO Liqing1，2，WANG Huaxiang1. Optimization of node numbering in ERT finite element mesh based on improved genetic algorithm[J]. Computer Engineering and Applications, 2011, 47(7): 20-22.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[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]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.