量子行为粒子群算法解决热传导系数反问题

"这篇论文研究了使用量子行为粒子群优化算法（QPSO）和Tikhonov正则化方法解决热传导系数反问题。在热传导领域，准确理解表面的热传导系数对于多种工程应用至关重要，比如金属连铸和电子设备冷却。传统方法如Alifanov迭代正则化、共轭梯度法、有限差分和拉普拉斯变换等已经被用来估计随时间变化的热传导系数。然而，本文提出了一种新的组合方法，即结合QPSO的全局寻优能力和Tikhonov正则化的稳定特性来处理这个问题。 QPSO算法源于粒子群优化（PSO）理论，由Sun等人发展，它增强了PSO在搜索解决方案空间时的能力，尤其适用于解决复杂的优化问题。在热传导反问题中，由于热传导系数的函数形式未知，问题被转化为一个函数估计问题。QPSO算法用于寻找最小二乘模型下的最优解，该模型基于平板内的温度传感器数据。这些数据由L曲线方法来确定最佳的正则化参数，以平衡模型复杂性和数据拟合度。 文章还探讨了传感器的位置和数量对结果的影响，这在实际应用中是关键因素。此外，QPSO算法的结果与共轭梯度法进行了比较，以验证其有效性和优势。数值实验的结果证实了提出的QPSO-Tikhonov方法在解决热传导系数反问题上的可行性，并可能提供比传统方法更准确的估计。 这项研究引入了一种创新的计算方法，结合了量子行为粒子群优化和Tikhonov正则化，为解决热传导系数反问题提供了新的思路。这对于提高工程设计中的传热分析精度具有重要意义，特别是在需要实时或近似动态热传导系数的场景下。"