一种用于多分散喷雾火焰的遗传算法研究
神经与进化计算
2020-08-18 v1
摘要
现代技术进步不断推动人机交互的发展。进化算法(EA)是机器学习(ML)的一个子类，其灵感来源于自然选择过程——即达尔文进化论所述的“适者生存”。该类中最著名的算法是遗传算法(GA)——一种强大的启发式工具，能够生成优化问题的高质量解。近几十年来，该算法经历了显著改进，通过启发式搜索最优解，已适应于广泛的工程问题。尽管定义明确，许多工程问题在推导过程中（如经典优化方法所要求的）可能面临严重的解析纠缠。因此，这里的主要动机是规避这一障碍。在这项工作中，我希望利用GA的能力来考察一个独特燃烧问题的最优性，这种方式前所未有。更确切地说，我想利用它来回答这个问题：何种形式的初始液滴尺寸分布(iDSD)能保证最优火焰？为回答此问题，我将首先给出GA方法的总体介绍，然后建立燃烧模型，最终将两者融合为一个优化问题。
引用
@article{arxiv.2008.07397,
title = {A Study of a Genetic Algorithm for Polydisperse Spray Flames},
author = {Daniel Engelsman},
journal= {arXiv preprint arXiv:2008.07397},
year = {2020}
}
备注
Advisor : Prof. Barry J. Greenberg, 66 Pages, 65 figures