动态光散射测量粒径分布的格雷码编码遗传算法反演运算

计算物理 ›› 2008, Vol. 25 ›› Issue (3): 323-329.

动态光散射测量粒径分布的格雷码编码遗传算法反演运算

李绍新

广东医学院物理教研室, 广东东莞 523808

收稿日期:2006-12-31 修回日期:2007-07-26 出版日期:2008-05-25 发布日期:2008-05-25
作者简介:李绍新(1972-),男,讲师,硕士,湖南常德,从事动态光散射技术与遗传算法应用研究.
基金资助:
东莞市科技计划(2007108101025)资助项目

Inversion of Particle Size Distribution from Dynamic Light Scattering Data with Gray-code Genetic Algorithm

LI Shaoxin

Guangdong Medical College, Physics Staff, Dongguan 523808, China

Received:2006-12-31 Revised:2007-07-26 Online:2008-05-25 Published:2008-05-25

摘要/Abstract

摘要： 采用格雷码编码的遗传算法对动态光散射测量的粒径分布进行反演运算,数字测试结果表明,对于无噪声的分布,算法能精确的反演出各种粒子分布图像;对于加了一定噪声的分布,算法显示出较好的稳定性,能反演出主峰的分布图像.聚苯乙烯乳球的实验结果表明,该算法能反演双分布的粒径分布图像.与标准遗传算法和反演蒙特卡罗算法相比,该算法具有较高的搜索效率,能够用较少的计算时间快速搜索到最优解.格雷码编码遗传算法是一种更有效的随机反演算法.

关键词: 遗传算法, 格雷码, 动态光散射, 粒径反演

Abstract: A stochastic inverse technique based on Gray-code genetic algorithm (GGA) is proposed for inversion of particle size distribution from dynamic light scattering (DLS) data. It is shown that GGA inverts particle size precisely for different distribution with no random noise. GGA shows stability for distribution with random noise and gives distribution of main peaks. In numerical experiments of latex sphere, GGA inverts dynamic light scattering data with biomodal distribution successfully. Compared with standard genetic algorithm and inverse Monte Carlo method, GGA shows high efficiency in searching optimum results.

Key words: genetic algorithm, Gray-code, dynamic light scattering, particle size inversion

中图分类号:

O439

李绍新. 动态光散射测量粒径分布的格雷码编码遗传算法反演运算[J]. 计算物理, 2008, 25(3): 323-329.

LI Shaoxin. Inversion of Particle Size Distribution from Dynamic Light Scattering Data with Gray-code Genetic Algorithm[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 2008, 25(3): 323-329.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	张帅, 龚书喜, 关莹, 龚琦. 大型平面阵列天线辐射方向图的小阵外推计算和综合方法[J]. 计算物理, 2011, 28(4): 554-560.
[6]	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.
[7]	常珊, 孔韧, 李春华, 陈慰祖, 王存新. 基于MPI的分子对接并行算法[J]. 计算物理, 2008, 25(2): 241-246.
[8]	范小平, 李功胜. 确定地下水污染强度的一种改进的遗传算法[J]. 计算物理, 2007, 24(2): 187-191.
[9]	陈金春. Rh_n(n=2~20)团簇结构和磁特性[J]. 计算物理, 2005, 22(5): 437-443.
[10]	姚磊华. 用改进的遗传算法和高斯牛顿法联合反演三维地下水流模型参数[J]. 计算物理, 2005, 22(4): 311-318.
[11]	詹浩, 白俊强, 段卓毅, 华俊. 基于遗传算法和分布式计算的气动优化设计[J]. 计算物理, 2004, 21(4): 359-362.
[12]	孙雪峰, 林俊, 黄红波, Ali, 何云, 戴耀东, 夏元复. 用遗传算法拟合Eu-151穆斯堡尔谱[J]. 计算物理, 2003, 20(3): 264-266.
[13]	何江平, 唐景昌. 低能电子衍射表面结构分析中引入全局优化算法--遗传算法的研究[J]. 计算物理, 2000, 17(6): 678-684.
[14]	熊盛武, 李元香, 康立山, 陈毓屏. 抛物型方程的演化参数识别方法[J]. 计算物理, 2000, 17(5): 511-517.
[15]	王晓鹏, 高正红. 应用自适应遗传算法的气动优化设计[J]. 计算物理, 2000, 17(5): 573-578.