对流扩散方程参数优化的改进灰色编码进化算法

为了减少计算量，提高对流扩散方程参数优化的精度，提出了一种新的算法——改进的灰度编码进化算法（RGEA）。

在新算法中，引入了差分进化算法（DEA）来细化解，提高进化过程中的搜索效率；为了加快收敛速度，引入了快速循环运算。作者将该算法应用于对流扩散方程的参数优化。

利用新算法研究了对流扩散方程参数优化的两种情况。结果表明，与灰度编码遗传算法（GGA）和数据包络分析（DEA）相比，RGEA的绝对误差之和分别从74.14%下降到99.29%和99.32%下降到99.98%。而且RGEA的收敛速度比GGA或DEA更快。

该方法的更完整收敛性分析正在研究中。作者还将探讨采用该方法识别高维对流扩散方程中的初始条件和边界条件的可能性。

本文将对参数优化在环境流动分析领域的应用产生重要影响。

本文对社会可持续发展具有重要意义。

作者建立了一种求解对流扩散方程参数优化的新RGEA算法。应用结果为环境流动分析领域的参数优化做出了有价值的贡献。