اصلاح الگوريتم ژنتيك متداول براي حل مسائل انتقال حرارت معكوس

The Modification of the Conventional Genetic Algorithm for Solving Inverse Heat Transfer Problems

در اين مطالعه، مسأله انتقال حرارت معكوس تخمين شار حرارتي مجهول در مرز يك تيغه يك بعدي توسط الگوريتم ژنتيك و دو نسخه اصلاح شده از اين الگوريتم حل شده است و نتايج به دست آمده از نسخه‌هاي متفاوت الگوريتم ژنتيك با يكديگر مقايسه شده‌اند. دو نسخه اصلاح شده بر پايه رهيافت بازآرايي ژن‌ها توسعه داده شده‌اند. در اين رهيافت يك تابع هزينه اضافي به الگوريتم ژنتيك متداول اضافه مي‌شود تا بازده محاسباتي آن را افزايش دهد. نتايج به دست آمده با به كارگيري اندازه‌گيري‌هاي دمايي شبيه‌سازي شده بدون خطا نشان مي‌دهند الگوريتم‌هاي ژنتيك اصلاح شده مي‌توانند همگرايي و دقت حل معكوس را در مقايسه با الگوريتم ژنتيك متداول بهبود ببخشند و حتي با تعداد اندك نسل‌ها و اندازه‌ جمعيت نه چندان زياد تخمين‌هاي دقيقي را براي شار حرارتي مفروض ارائه ‌دهند. نتايج نشان مي‌دهند الگوريتم ژنتيك اصلاح شده (2) در همه پارامترهاي سنجش حل‌ها، جواب‌هاي بهتري نسبت به الگوريتم ژنتيك متداول و ديگر نسخه اصلاح شده ارائه مي‌دهد. همچنين، در اين مطالعه تأثير اضافه نمودن ترم منظم‌سازي تيخونف به تابع هدف بر روي پايداري حل بررسي مي‌شود. هرچند در اين مطالعه تنها يك مسأله يك بعدي ساده براي تشريح رهيافت بازآرايي ژن‌ها حل شده است، اما انتظار مي‌رود اين رهيافت در حل معكوس مسائل چند بعدي پيچيده نيز موفق ظاهر شود.

In this study, the inverse heat transfer problem of the estimation of unknown heat flux imposed on the boundary of a one-dimensional slab is solved by the genetic algorithm and two modified versions of this algorithm and the results obtained from different versions of the genetic algorithm are compared with each other. These two modified versions are developed based upon genes rearrangement approach. In this approach, an additional cost function is added to the conventional genetic algorithm to increase its computational efficiency. The results obtained by using errorless simulated temperature measurements show that modified genetic algorithms can improve the convergence and accuracy of the inverse solution in comparison with the conventional genetic algorithm and they give accurate estimations for the supposed heat flux even by using a small number of generations and moderate population size. The results show that modified genetic algorithm (2) provides better response to all the parameters of the solution evaluation in comparison with the conventional genetic algorithm and other modified version. In addition, in this study, the effect of adding Tikhonov regularization term to the objective function on the stability of the solution is investigated. Although only a simple one-dimensional problem has been solved in this study to demonstrate the approach of genes rearrangement, but this approach is expected to succeed in the inverse solution of complicated multidimensional problems.