用于光子相关光谱颗粒粒度测量的实数编码混合遗传算法

计算物理 ›› 2011, Vol. 28 ›› Issue (1): 87-93.

用于光子相关光谱颗粒粒度测量的实数编码混合遗传算法

任师波, 韩鹏, 杨冠玲

华南师范大学物理与电信工程学院, 广东广州 510006

收稿日期:2009-11-23 修回日期:2010-06-02 出版日期:2011-01-25 发布日期:2011-01-25
通讯作者: 韩鹏,E-mail:hanp@scnu.edu.cn
作者简介:任师波(1982-),男,山东济宁,硕士,从事光电技术与应用研究.
基金资助:
国家自然科学基金(10504008);教育部科学技术研究重点基金(209091)资助项目

Real-coded Hybrid Genetic Algorithm for Particle Sizing with Photon Correlation Spectroscopy

REN Shibo, HAN Peng, YANG Guanling

School of Physics and Telecommunication Engineering, South China Normal University, Guangzhou 510006, China

Received:2009-11-23 Revised:2010-06-02 Online:2011-01-25 Published:2011-01-25

摘要/Abstract

摘要： 提出一种自动缩小反演范围的实数编码混合遗传算法,并用于光子相关光谱颗粒粒度测量中.该算法利用混沌遍历性质,融入模拟退火算法,具有较强的局部搜索能力.通过数值模拟,讨论在无噪声和多种噪声水平影响下单分散颗粒系的反演结果;分析90 nm聚苯乙烯标准颗粒样品的实验测量数据.结果表明,反演的粒径分布在峰值位置、峰宽度、峰对称性等方面很接近颗粒的真实分布,具有较强的抗噪声干扰能力.

Abstract: A real-code hybrid genetic algorithm for nano-particle sizing with photon correlation spectroscopy is presented.With ergodic properties of chaos and simulated annealing algorithm,our algorithm shortens inversion range automatically.It has a relatively strong local searching ability.Numerical simulations are performed for mono-disperse particle system under noise-free condition and noise with various noise levels.Inversion of experimental results of 90nm standard samples of polystyrene particles is made.It shows effectiveness,reliability and ability of noise resistance of the algorithm.

Key words: photon correlation spectroscopy, particle size measurement, real-coded, genetic algorithm, inversion

中图分类号:

O436.2

任师波, 韩鹏, 杨冠玲. 用于光子相关光谱颗粒粒度测量的实数编码混合遗传算法[J]. 计算物理, 2011, 28(1): 87-93.

REN Shibo, HAN Peng, YANG Guanling. Real-coded Hybrid Genetic Algorithm for Particle Sizing with Photon Correlation Spectroscopy[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 2011, 28(1): 87-93.

[1]	刘广东, 张开银. 一种电色散媒质的改进对比源反演方法[J]. 计算物理, 2022, 39(6): 699-706.
[2]	肖聪, 张士诚, 马新仿, 周彤, 侯腾飞. 基于模型降维和递归神经网络的油藏参数反演[J]. 计算物理, 2022, 39(5): 564-578.
[3]	屠丽娟, 周恩泽, 吴雪飞, 杨琪, 丁雪峰. 基于流量测点的热网变动阻力系数优化辨识[J]. 计算物理, 2021, 38(4): 498-504.
[4]	李健, 金春杏, 张宇, 黄新敬. 基于三维磁成像的近场磁性体探测[J]. 计算物理, 2020, 37(1): 88-96.
[5]	刘玲, 陈淼, 邱健, 彭力, 骆开庆, 韩鹏. 多角度动态光散射加权贝叶斯反演算法[J]. 计算物理, 2019, 36(6): 673-681.
[6]	王黎翔, 王安琪, 黄志祥. 基于多算法优化SVM的粗糙面参数反演[J]. 计算物理, 2019, 36(5): 577-585.
[7]	倪小威, 徐思慧, 冯加明, 刘迪仁. 基于自适应差分进化算法的阵列侧向测井快速反演[J]. 计算物理, 2019, 36(4): 465-473.
[8]	杨鑫, 李润东, 王冠博, 窦海峰, 周刚. 中子深度分析反演算法研究[J]. 计算物理, 2017, 34(5): 603-610.
[9]	颜帆, 卢玫. 材料热物性与热源强度辨识的改进遗传算法[J]. 计算物理, 2015, 32(5): 623-630.
[10]	苟雪银, 郭立新, 张连波. 支持向量机和神经网络在粗糙面参数反演中的比较[J]. 计算物理, 2014, 31(1): 75-84.
[11]	刘福平, 王安玲, 杨长春. 地层渗透参数反演计算[J]. 计算物理, 2013, 30(6): 879-885.
[12]	邵元培, 何开锋, 周宇, 钱炜祺. 二维变几何域下的表面热流反演[J]. 计算物理, 2013, 30(4): 534-540.
[13]	杨鑫, 李润东, 刘汉刚, 王冠博, 王侃. 基于概率迭代的NDP反演方法[J]. 计算物理, 2012, 29(6): 891-900.
[14]	邢小宁, 井西利, 马毅恒, 王全志, 许耀芸. 自适应混合遗传算法优化团簇[J]. 计算物理, 2012, 29(3): 459-465.
[15]	周宇, 钱炜祺, 何开锋, 桂业伟. 同时反演材料热传导系数和比热的算法[J]. 计算物理, 2011, 28(5): 719-724.