Metaheurística para optimizar la convergencia computacional en problemas de convección-difusión y cavidad impulsada
Autores: Enríquez-Urbano, Juana; Cruz-Chávez, Marco Antonio; Rivera-López, Rafael; Cruz-Rosales, Martín H.; Labrada-Nueva, Yainier; Eraña-Díaz, Marta Lilia
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Metaheurística para optimizar la convergencia computacional en problemas de convección-difusión y cavidad impulsada
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Optimización
Tiempo de convergencia computacional
Recocido simulado
Factores de relajación
Ejecución numérica
Resultados experimentales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Este trabajo presenta una propuesta de optimización para mejorar el tiempo de convergencia computacional en problemas de convección-difusión y cavidad impulsada mediante la aplicación de una metaheurística de recocido simulado (SA), obteniendo valores óptimos en factores de relajación que optimizan la convergencia del problema durante su ejecución numérica. Estos factores de relajación se prueban en modelos numéricos para acelerar su convergencia computacional en un tiempo más corto. Los resultados experimentales muestran que los factores de relajación obtenidos por el algoritmo SA mejoran el tiempo computacional de la convergencia del problema independientemente de la experiencia del usuario en la propuesta inicial de baja calidad.
Descripción
Este trabajo presenta una propuesta de optimización para mejorar el tiempo de convergencia computacional en problemas de convección-difusión y cavidad impulsada mediante la aplicación de una metaheurística de recocido simulado (SA), obteniendo valores óptimos en factores de relajación que optimizan la convergencia del problema durante su ejecución numérica. Estos factores de relajación se prueban en modelos numéricos para acelerar su convergencia computacional en un tiempo más corto. Los resultados experimentales muestran que los factores de relajación obtenidos por el algoritmo SA mejoran el tiempo computacional de la convergencia del problema independientemente de la experiencia del usuario en la propuesta inicial de baja calidad.