层适应网格上求解奇异摄动问题的粒子群算法

doi:10.3778/j.issn.1002-8331.1905-0134

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (11): 46-50.DOI: 10.3778/j.issn.1002-8331.1905-0134

层适应网格上求解奇异摄动问题的粒子群算法

周琴，程立正

1.湖南涉外经济学院信息与机电工程学院，长沙 410205
2.湖南师范大学计算与随机数学教育部重点实验室，数学与统计学院，长沙 410081

出版日期:2020-06-01 发布日期:2020-06-01

Particle Swarm Optimization Algorithm for Solving Singular Perturbed Problems on Layer Adaptive Mesh

ZHOU Qin, CHENG Lizheng

1.School of Information, Mechanical and Electrical Engineering, Hunan International Economics University, Changsha 410205, China
2.Key Laboratory of Computing and Stochastic Mathematics（Ministry of Education）, School of Mathematics and Statistics, Hunan Normal University, Changsha 410081, China

Online:2020-06-01 Published:2020-06-01

摘要/Abstract

摘要：

针对一类奇异摄动对流扩散问题，将粒子群算法与差分格式相结合，在Bakhvalov-Shishkin网格上进行求解。对于Bakhvalov-Shishkin网格中的网格参数，采用粒子群算法进行优化，构造了求误差范数最小值的目标函数。对两个算例进行了数值计算，实验结果表明，与选择固定的网格参数相比，采用粒子群算法计算能得到更好的数值结果，并且数值结果具有收敛性，验证了该方法的有效性和优越性。

关键词: 粒子群算法, 奇异摄动, Bakhvalov-Shishkin网格, 网格参数

Abstract:

Particle swarm optimization algorithm is combined with difference schemes to solve a class of singularly perturbed convection-diffusion problems on Bakhvalov-Shishkin mesh. The particle swarm optimization algorithm is used to optimize the mesh parameter in Bakhvalov-Shishkin mesh, and the objective function for finding minimum value of the error norm is constructed. Two numerical examples are calculated. The experimental results show that the particle swarm optimization algorithm can obtain better numerical results than the fixed mesh parameter, and the numerical results are convergent, which verifies the effectiveness and superiority of this method.

Key words: particle swarm optimization algorithm, singular perturbation, Bakhvalov-Shishkin mesh, mesh parameter

周琴，程立正. 层适应网格上求解奇异摄动问题的粒子群算法[J]. 计算机工程与应用, 2020, 56(11): 46-50.

ZHOU Qin, CHENG Lizheng. Particle Swarm Optimization Algorithm for Solving Singular Perturbed Problems on Layer Adaptive Mesh[J]. Computer Engineering and Applications, 2020, 56(11): 46-50.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[5]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[6]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[7]	周蓉，李俊，王浩. 基于灰狼优化的反向学习粒子群算法[J]. 计算机工程与应用, 2020, 56(7): 48-56.
[8]	邵文婷，郑烁宇. 奇异摄动内层问题的宽度估计及其数值求解[J]. 计算机工程与应用, 2020, 56(4): 44-49.
[9]	杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.
[10]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.
[11]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[12]	胡雪娇，陈行健，赵南，薛卫. PSO_BFA优化词袋模型及蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2020, 56(1): 165-171.
[13]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[14]	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.
[15]	冯建新1，2，李慧1，2，刘治国1，2. 新型火焰颜色空间——IFCS[J]. 计算机工程与应用, 2019, 55(5): 203-210.

层适应网格上求解奇异摄动问题的粒子群算法

Particle Swarm Optimization Algorithm for Solving Singular Perturbed Problems on Layer Adaptive Mesh

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics