Funções de base radial
análise comparativa durante a reconstrução de parâmetros via método pseudoespectral de Chebyshev e evolução diferencial melhorada
DOI:
https://doi.org/10.5540/03.2025.011.01.0403Palavras-chave:
funções de base radial, condutividade térmica, evolução diferencial melhorada, Método Pseudoespectral de ChebyshevResumo
Este trabalho analisa a reconstrução do parâmetro de condutividade térmica, modelado por equações diferenciais parciais (EDPs), resolvidas numericamente pelo Método Pseudoespectral de Chebyshev (MPC) em conjunto com o método de Crank-Nicolson (CN). O MPC converte as EDPs em um sistema de equações diferenciais ordinárias (EDOs), que, em seguida, é resolvido pelo método de Crank-Nicolson para o caso dependente do tempo. Na reconstrução do parâmetro, o Problema Inverso (PI) é otimizado por meio do método de Evolução Diferencial Melhorada (EDM), empregado para a minimização da função objetivo em que o parâmetro K(x, y) é estimado em todo o domínio. Este estudo destaca a análise comparativa entre diversas soluções que envolvem as funções de base radial (FBR), utilizadas para a interpolação de dados multivariados dispersos durante a discretização das EDPs pelos métodos numéricos. Os resultados evidenciam a eficácia do EDM, combinado com o MPC, em encontrar soluções de alta qualidade para problemas complexos, além de demonstrar a importância da interpolação com FBRs na malha discretizada, o que reduz significativamente o tempo computacional.
Downloads
Referências
E. Boos, F. S. V. Bazán e V. M. Luchesi. “Thermal conductivity reconstruction method with application in a face milling operation”. Em: International Journal of Numerical Methods for Heat & Fluid Flow 33.8 (2023).
E. Boos, V. M. Luchesi e F. S. V. Bazán. “Chebyshev pseudospectral method in the reconstruction of orthotropic conductivity”. Em: Inverse Problems in Science and Engineering 29.5 (2021), pp. 681–711.
M. A. L. Brandão, J. L. Dorício e S. F. P. Saramago. Otimização Avançada: Evolução Diferencial Melhorada em Paralelo. Vol. 99. Notas em Matemática Aplicada. São Carlos: SBMAC, 2024.
Q.A. Duan, V.k. Gupta e S. Sorooshian. “A parallel differential evolution algorithm”. Em: Journal of Optimization Theory and Applications 76.3 (1993).
M.J. Powell. Five lectures on radial basis functions. Rel. técn. Informatics e Mathematical Modelling, Technical University of Denmark, 2005.
K.V. Price, R.M. Storn e J.A. Lampinen. Differential Evolution: A Practical Approach to Global Optimization. Springer, 2005.
S.F.P. Saramago, J. L. Dorício e M. A. L. Brandão. “Optimum design of 3r robot manipulador by using improved differential evolution implemented in parallel computation”. Em: Brazilian Electronic Journal of Mathematics 1.2 (2020), pp. 83–103.
R. Schaback. “Error estimates and condition numbers for radial basis function interpolation”. Em: Advances in Computational Mathematics 3 (1995), pp. 251–264.