Application of the clonal selection algorithm for reconstruction of the third kind boundary condition

• Autorzy: Hetmaniok E. , Zielonka A. , Słota D.

Warianty tytułu

PL

Zastosowanie algorytmu selekcji klonalnej do odtworzenia warunku brzegowego trzeciego rodzaju

• Języki publikacji: EN

Abstrakty

EN

In this paper the inverse heat conduction problem with the third kind boundary condition is solved by using the Clonal Selection Algorithm (CSA) – the heuristic algorithm imitating the rules of functioning of immunological system in the mammals bodies. Solution of investigated problem consists in identifying the unknown heat transfer coefficient and reconstructing the distribution of state function. To achieve this goal a procedure based on minimization of the appropriate functional realized by the aid of CSA algorithm is elaborated.

PL

Celem niniejszej pracy jest rozwiązanie zadania przewodnictwa ciepła z warunkiem brzegowym trzeciego rodzaju przy zastosowaniu algorytmu selekcji klonalnej (CSA) – algorytmu heurystycznego naśladującego reguły funkcjonowania układu immunologicznego ssaków. Rozwiązanie badanego zagadnienia polega na identyfikacji nieznanego współczynnika wnikania ciepła oraz rozkładu funkcji stanu. Aby osiągnąć ten cel opracowana została procedura oparta na minimalizacji odpowiedniego funkcjonału, realizowana przy użyciu algorytmu CSA.

Słowa kluczowe

EN

clonal selection; algorithm; boundary condition

PL

selekcja klonalna; algorytm; warunek brzegowy

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska
• Rocznik: 2012
• Tom: z. 2
• Strony: 75--86
• Opis fizyczny: Bibliogr. 23 poz.

Twórcy

autor

Hetmaniok E.

• Institute of Mathematics Silesian University of Technology

autor

Zielonka A.

• Institute of Mathematics Silesian University of Technology

autor

Słota D.

• Institute of Mathematics Silesian University of Technology

Bibliografia

• 1. Beck J.V., Blackwell B., St.Clair C.R.: Inverse Heat Conduction: Ill Posed Problems. Wiley Intersc., New York 1985.
• 2. Campelo F., Guimaräes G., Igarashi H., Ramirez J.A.: A clonal selection algorithm for optimization in electromagnetics. IEEE Trans. on Magnetics 41 (2005), 1736-1739.
• 3. Dasgupta D.: Artificial Immune Systems and their Applications. Springer Verlag, New York 1998.
• 4. Grysa K., Leśniewska R.: Different finite element approaches for inverse heat conduction problems. Inverse Probl. Sci. Eng. 18 (2010), 3–17.
• 5. Grzymkowski R., Słota D.: Numerical calculations of the heat-transfer coefficient during solidification of alloys. Moving boundaries VI. Computational modelling of free and moving boundary problems, B. Sarler, C.A. Brebbia, eds., WIT Press, Southampton 2001, 41–50.
• 6. Haji-Sheikh A., Buckingham F.P.: Multidimensional inverse heat conduction using the Monte Carlo method. Trans. of ASME, Journal of Heat Transfer 115 (1993), 26–33.
• 7. Hetmaniok E., Nowak I., Słota D., Wituła R.: Application of the homotopy perturbation method for the solution of inverse heat conduction problem. Int. Comm. Heat & Mass Transf. 39 (2012), 30–35.
• 8. Hetmaniok E., Słota D., Zielonka A.: Solution of the inverse heat conduction problem by using the ABC algorithm. Lect. Notes Comput. Sc. 6086 (2010), 659–668.
• 9. Hetmaniok E., Słota D., Zielonka A.: Application of the ant colony optimization algorithm for reconstruction of the thermal conductivity coefficient. Lect. Notes Comput. Sc. 7269 (2012), 240–248.
• 10. Hetmaniok E., Słota D., Zielonka A., Wituła R.: Comparison of ABC and ACO algorithms applied for solving the inverse heat conduction problem. Lect. Notes Comput. Sc. 7269 (2012), 249–257.
• 11. Kilic O., Nguyen Q.M.: Application of artificial immune system algorithm to electromagnetics problems. Progress in Electromagnetics Research B 20 (2010), 1–17.
• 12. Kurpisz K., Nowak A.J.: Numerical analysis of inverse heat conduction problems with Boundary Elements Method and combined techniques. ZAMM Z. Angew. Math. Mech., Annual GAMM Conference 1993, 301–308.
• 13. Mera N.S., Elliott L., Ingham D.B.: A multi-population genetic algorithm approach for solving ill-posed problems. Comput. Mech. 33 (2004), 254–262.
• 14. Mochnacki B., Majchrzak E.: Identification of macro and micro parameters in solidification model. Bull. Pol. Acad. Sci. Tech. Sci. 55 (2007), 107–113.
• 15. Mourio D.A.: The Mollification Method and the Numerical Solution of Ill-posed Problems. John Wiley and Sons Inc., New York 1993.
• 16. Nowak I., Smolka J., Nowak A.J.: An effective 3-D inverse procedure to retrieve cooling conditions in an aluminum alloy continuous casting problem. Appl. Thermal Eng. 30 (2010), 1140–1151.
• 17. Özisik M.N., Orlande H.R.B.: Inverse heat transfer: fundamentals and applications. Taylor & Francis, New York 2000.
• 18. Qiu C.Y., Fu C.L., Zhu Y.B.: Wavelets and regularization of the sideways heat equation. Comput. Math. Appl. 46 (2003), 821–829.
• 19. Rudeński A.: Zastosowanie algorytmu immunologicznego do optymalizacji silników indukcyjnych. Prace Nauk. Inst. Maszyn, Napędów i Pomiarów Elektrycznych Pol. Wroc. 62 (2008), 144–149.
• 20. Ryfa A., Białecki R.: The heat transfer coefficient spatial distribution reconstruction by an inverse technique. Inverse Probl. Sci. Eng. 19 (2011), 117–126.
• 21. Słota D.: Solving the inverse Stefan design problem using genetic algorithm. Inverse Probl. Sci. Eng. 16 (2008), 829–846.
• 22. Słota D.: Restoring boundary conditions in the solidification of pure metals. Comput. & Structures 89 (2011), 48–54.
• 23. Timmis J., Neal M., Hunt J.: An artificial immune system for data analysis. Biosystems 55 (2000), 143–150.