集成遗传算法的遗传规划方法(GPA)及其在流动传热关联式中的应用 刘衍.docVIP

中国工程热物理学会 传热传质学 学术会议论文 编号：143281 集成遗传算法的遗传规划方法及其在传热关联式中的应用 ( （西安交通大学热流科学与工程教育部重点实验室，西安 710049） （Tel: 029 E-mail: wangqw@mail.xjtu.edu.cn） 摘要：本文提出一种集成遗传算法(GA)的遗传规划(GP)方法(GPA)分析换热器实验数据，并且采用精度和稳健度两个标准来评价流动传热关联式。在此基础上，分别将此方法(GPA)应用于带有螺旋翅片管的单排管换热器和双排管椭圆管翅式换热器中。结果表明：基于集成遗传算法的遗传规划方法(GPA)提出的流动传热关联式相比传统的指数形式关联式精度更高，稳健度更好；尽管基于遗传规划方法(GP)提出的流动传热关联式已经有优越的预测性能，但通过采用集成遗传算法的遗传规划方法(GPA)，流动传热关联式的预测性能得到了进一步的提高。 关键词：遗传规划 遗传算法 流动传热关联式 精度 稳健度 0 前言 遗传算法(GA)是模拟生物进化机制的有哪些信誉好的足球投注网站寻优算法，仿效生物的进化与遗传，根据“生存竞争”和“优胜劣汰”的原则，借助复制、交换、突变等遗传算子，通过实现计算机程序种群的自动进化达到求解复杂问题的目的。遗传算法(GA)采用字符串表达问题[1]，而且字符串的长度是固定的，缺少动态可变性使它不能描述层次化问题。遗传算法(GA)这种字符串表达形式，限制了对问题的结构和大小的灵活处理，鉴于遗传算法(GA)的缺陷，迫使人们寻求新的表达方法。遗传规划(GP)就是在这种情况下在1989年被提出来的。遗传规划(GP)采用动态的树形结构代替字符串表达问题[2]，可在问题结构和大小未知的情况下，根据环境状况动态改变树的结构，为求解复杂系统的结构和功能提供一种可能的回答。 遗传规划方法(GP)与传统的参数回归方法需要指定拟合函数的型式不同，它无需指定函数型式，可以同时有哪些信誉好的足球投注网站出函数的型式和其中的系数。目前基于遗传规划(GP)的符号回归方法在流动传热领域的应用实例较少，其中Lee等[3]采用遗传规划(GP)提出了低压条件下竖直圆管内水流的临界热流密度关联式；Cai等[4]中采用遗传规划(GP)对两种公开的换热器实验数据进行符号回归，得到的传热关联式的型式尽管比现存关联式略微复杂，但预测误差呈更小水平；本课题组徐婧等[5]改进了GPLAB工具箱的性能，并且对螺旋折流板管壳式换热器壳程传热的实验数据进行了符号回归。而采用遗传算法(GA)对已知型式的函数表达式进行回归分析是目前比较成熟的方法。Silva Pican?o等[6]基于遗传算法(GA)成功预测了沸腾传热的两相流传热系数。Momayez等[7]在给定传热凹表面传热关联式型式的前提下，采用遗传算法(GA)精确有哪些信誉好的足球投注网站出了关联式中的系数。 为了获取兼具型式和预测精度的关联式，可先通过符号回归确定较优型式，再通过优化算法提高预测精度。因此本文通过遗传规划 (GP)在不假定流动传热关联式型式的前提下，首先有哪些信誉好的足球投注网站出关联式的较优型式，然后采用遗传算法(GA)对较优型式中的系数进行优化。在此基础上，将此方法应用于两种公开报道的换热器实验数据分析上，以寻找预测性能更优的流动传热关联式。 1 方法描述 如图1所示，采用集成遗传算法(GA)的遗传规划(GP)方法(GPA)拟合流动传热关联式包含三个步骤。首先需要准备实验数据，确定决定所研究问题的主要影响参数。实验数据可以为经过整理的无量纲参数数据，也可以直接为实验测量数据。通常来说，数据量越大，预测越准确；其次，对准备好的实验数据实施遗传规划方法(GP)，以得到一个或者多个潜在的较优型式，遗传规划方法(GP)得到的流动传热关联式如下： (1) 其中，Φp代表预测量；X代表无量纲参数集；Y代表实验直接测量参数集；C代表常数集；f代表潜在最优型式集。 最后，采用遗传算法(GA)，对较优型式中的系数进行优化。优化的结果如下式所示： (2) 其中，C代表经过遗传算法(GA)优化的常数集。 图1 GPA方法流程 2 关联式评价准则 平均误差率(ADR)和最大误差率(MDR)是两个基本流动传热关联式评价准则，其表达式如下： (3) (4) 其中，Φp(i)为第i个输入量的预测