基于萤火虫算法的温度场重建

计算机工程与科学

基于萤火虫算法的温度场重建

东桥，郭敏

（陕西师范大学计算机科学学院,陕西西安 710062）

收稿日期:2016-06-08 修回日期:2016-09-19 出版日期:2018-01-25 发布日期:2018-01-25
基金资助:
国家自然科学基金(10974130)；陕西省科学研究发展计划(2016NY-176，2016NY-198)

Temperature field reconstruction based on firefly algorithm

DONG Qiao,GUO Min

(College of Computer Science,Shaanxi Normal University,Xi’an 710062,China)

Received:2016-06-08 Revised:2016-09-19 Online:2018-01-25 Published:2018-01-25

摘要/Abstract

摘要：

为了提高温度场重建的精度，提出了基于萤火虫算法的温度场重建方法。通过萤火虫的吸引、移动等行为更新萤火虫的位置，当确定了萤火虫群体的最优位置，即可确定温度场每个像素中心的温度值，重建出所测区域的温度场。通过仿真实验，对单热点温度场进行了重建。利用最大绝对值误差、平均绝对值误差和均方根误差指标衡量了温度场重建的效果，与传统的迭代算法相比，所提出的算法能获得更高精度。

关键词: 声学法, 温度场, 萤火虫算法, 迭代算法

Abstract:

In order to improve the reconstruction precision of the temperature field, we propose a temperature field reconstruction algorithm based on the firefly algorithm. The location of the firefly is updated through their behaviors, such as attraction and movement. When the optimal location of the firefly group is determined, the temperature value of each pixel center in the temperature field can be confirmed to reconstruct the temperature field of the tested regions. We reconstruct a one-peak temperature field via simulations, and the reconstruction effect is measured by maximum absolute value error, mean absolute error and root mean square error. Compared with traditional iterative algorithms, the proposed algorithm has higher precision.

Key words: acoustic method, temperature field, firefly algorithm, iterative algorithm

东桥，郭敏. 基于萤火虫算法的温度场重建[J]. 计算机工程与科学.

DONG Qiao,GUO Min. Temperature field reconstruction based on firefly algorithm[J]. Computer Engineering & Science.

[1]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[2]	曹良林, 贲可荣, 张献. 基于代理辅助多目标萤火虫算法的软件缺陷预测方法研究[J]. 计算机工程与科学, 2022, 44(02): 257-265.
[3]	叶新1，张焱1，陈小天1，张丰1，张君军1，邱跳文1,2. 一种飞机目标及典型地物红外辐射仿真方法[J]. 计算机工程与科学, 2017, 39(08): 1502-1507.
[4]	刘金1，2，吴志健1，2，吴双可2，王晖3，邓长寿4. GPU上的维度并行随机吸引策略萤火虫算法[J]. 计算机工程与科学, 2016, 38(10): 1961-1966.
[5]	陆克中1,2，孙俊3. 全局信息共享的自适应FA算法[J]. J4, 2016, 38(06): 1164-1170.
[6]	张凯院，宁倩芝，牛婷婷. 一类离散时间代数Riccati矩阵方程对称解的双迭代算法[J]. J4, 2015, 37(02): 329-334.
[7]	赵杰，雷秀娟，吴振强. 基于最优类中心扰动的萤火虫聚类算法[J]. J4, 2015, 37(02): 342-347.
[8]	李翔，朱全银 . Adaboost算法改进BP神经网络预测研究[J]. J4, 2013, 35(8): 96-102.
[9]	刘晓敏，张凯院，李书连. 线性矩阵方程异类约束最小二乘解的迭代算法[J]. J4, 2012, 34(6): 38-43.
[10]	姜波1，齐杏林1，赵志宁2. 弹药温度场仿真结果的影响因素分析[J]. J4, 2011, 33(7): 136-140.
[11]	陈静刘杰胡庆丰. 一种基于群划分求解二维中子输运方程的并行算法[J]. J4, 2006, 28(11): 140-142.