Известия Саратовского университета. Новая серия.

Серия Математика. Механика. Информатика

ISSN 1816-9791 (Print)
ISSN 2541-9005 (Online)


Для цитирования:

Kim R. P., Romanchuk S. P., Terin D. V., Korchagin S. A. The Use of a Genetic Algorithm in Modeling the Electrophysical Properties of a Layered Nanocomposite [Ким Р. П., Романчук С. П., Терин Д. В., Корчагин С. А. Использование генетического алгоритма в задачах моделирования электрофизических свойств слоистого нанокомпозита] Изв. Сарат. ун-та. Нов. сер. Сер. Математика. Механика. Информатика. 2019. Т. 19, вып. 2. С. 217-225. DOI: 10.18500/1816-9791-2019-19-2-217-225


Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Опубликована онлайн: 
28.05.2019
Полный текст:
(downloads: 41)
Язык публикации: 
английский
Рубрика: 
Тип статьи: 
Научная статья
УДК: 
501.1
DOI: 
10.18500/1816-9791-2019-19-2-217-225

The Use of a Genetic Algorithm in Modeling the Electrophysical Properties of a Layered Nanocomposite
[Использование генетического алгоритма в задачах моделирования электрофизических свойств слоистого нанокомпозита]

Авторы: 
Ким Роман Павлович, Саратовский государственный технический университет имени Гагарина Ю.А.
Романчук Сергей Петрович, Саратовский государственный технический университет имени Гагарина Ю.А.
Терин Денис Владимирович, Саратовский национальный исследовательский государственный университет им. Н. Г. Чернышевского
Корчагин Сергей Алексеевич, Финансовый университет при Правительстве Российской Федерации
Аннотация: 

В статье рассматривается подход к решению задачи подбора компонент слоистого нанокомпозита с заданными электрическими свойствами. Известные методы моделирования электрических характеристик нанокомпозитов основаны на предварительном анализе таких характеристик, как диэлектрическая проницаемость и электропроводность материалов, входящих в состав нанокомпозита. В работе предлагается алгоритм подбора компонент слоистого нанокомпозита с использованием генетического алгоритма. Математическое моделирование электрических свойств нанокомпозита (в качестве примера рассмотрены композиционные материалы на основе нанопористого кремния и частично окисленного пористого кремния) осуществляется с использованием модели эффективной среды. Проведены анализ частотных зависимостей  диэлектрической проницаемости и электропроводности нанокомпозита при взаимодействии с электромагнитным излучением, а также анализ эффективности предложенного метода в зависимости от скорости схождения и различных параметров (коэффициента мутации, численности популяции и проч.).  Разработан программный комплекс моделирования электрических свойств нанокомпозита с использованием генетического алгоритма. Полученные результаты могут сократить сроки и издержки создания новых функциональных материалов.

Список источников: 
  1. Msekh M. A., Cuong N. H., Zi G., Areias P., Zhuang X., Rabczuk T. Fracture properties prediction of clay/epoxy nanocomposites with interphase zones using a phase field model. Engineering Fracture Mechanics, 2018, vol. 188, pp. 287–299. DOI: https://doi.org/10.1016/j.engfracmech.2017.08.002
  2. Vu-Bac N., Silani M., Lahmer T., Zhuang X., Rabczuk T. A unified frame- work for stochastic predictions of mechanical properties of polymeric nanocomposites. Computational Materials Science, 2015, vol. 96, pt. B, pp. 520–535. DOI: https://doi.org/10.1016/j.commatsci.2014.04.066
  3. Zare Y., Rhee K. Y., Hui D. Influences of nanoparticles aggregation/agglomeration on the interfacial/interphase and tensile properties of nanocom- posites. Composites Part B: Engineering, 2017, vol. 122, pp. 41–46. DOI: https://doi.org/10.1016/j.compositesb.2017.04.008
  4. Korchagin S. A., Terin D. V., Klinaev Yu. V. Simulation of a fractal composite and study of its electrical characteristics. Mat. Mod. Chisl. Met., 2017, iss. 13, pp. 22–31 (in Russian). DOI: https://doi.org/10.18698/2309-3684-2017-1-2231
  5. Balagurov B. Ya. Conduction of the three-dimensional model of a composite with structural anisotropy. Journal of Experimental and Theoretical Physics, 2016, vol. 123, iss. 2, pp. 348–356. DOI: https://doi.org/10.1134/S1063776116060017
  6. Zarubin V. S., Kuvirkin G. N., Savelieva I. Yu. Evaluation of dielectric permittivity of composite with dispersed inclusions. Herald of the Bauman Moscow State Technical University. Ser. Instrument Engineering, 2015, no. 3(102). pp. 50–64 (in Russian). DOI: https://doi.org/10.18698/0236-3933-2015-3-50-64
  7. Zarubin V. S., Sergeeva E. S. Application of mathematical modeling to determine the thermoelastic characteristics of nano-reinforced composites. Math. Models Comput. Simul., 2017, vol. 29, no. 10, pp. 288–298. DOI: https://doi.org/10.1134/S2070048218030134
  8. Aberth O. Iteration methods for finding all zeros of a polynomial simultaneously. Mathematics of Computation, 1973, vol. 27, no. 122, pp. 339–344.
  9. Kerner I. O. Ein Gesamtschrittverfahren zur Berechnung der Nullstellen von Polynomen. Numerische Mathematik, 1966, vol. 8, pp. 290–294.
  10. Korchagin S. A., Terin D. V., Romanchuk S. P. Synergetics of mathematical models for analysis of composite materials. Izvestiya VUZ. Applied nonlinear dynamics, 2015, vol. 23, no. 3, pp. 55–64 (in Russian). DOI: https://doi.org/10.18500/0869-6632-2015-23-3-55-64
  11. Aleksandrov Y. M., Yatsishen V. V. Calculation of the elements of the complex dielectric tensor for anisotropic materials. Physics of Wave Processes and Radio Systems, 2015, vol. 18, no. 1, pp. 23–27 (in Russian).
  12. Kasumova R. D., Amirov Sh. Sh., Shamilova Sh. A. Parametric interaction of optical waves in metamaterials under low-frequency pumping. Quantum Electronics, 2017, vol. 47, no. 7, pp. 655–660. DOI: http://dx.doi.org/10.1070/QEL16395
  13. Toader G., Rusen E., Teodorescu M., Diacon A., Stanescu P. O., Damian C., Rotariu T., Rotariu A. New polyurea MWCNTs nanocomposite films with enhanced mechanical properties. J. Appl. Polym. Sci., 2017, vol. 134, iss. 28, p. 45061. DOI: https://doi.org/10.1002/app.45061
  14. Kramer O. Genetic algorithm essentials. Springer, 2017. 94 p. DOI: https://doi.org/10.1007/978-3-319-52156-5
  15. Huang Yu., Du L., Liu K., Yao X., Risacher Sh. L., Guo L.. Saykin A. J., Shen L. A Fast SCCA Algorithm for Big Data Analysis in Brain Imaging Genetics. Graphs in Biomedical Image Analysis, Computational Anatomy and Imaging Genetics. GRAIL 2017, MICGen 2017, MFCA 2017. Lecture Notes in Computer Science, vol. 10551. Springer, Cham, 2017. pp. 210–219. DOI: http://dx.doi.org/10.1007/978-3-319-67675-3_19
  16. Handbook of optical constants of solids : in 5 vols. / ed. by E. D. Palik. San Diego, Academic Press, 1997. Vol. 3. 999 p.
  17. Romanchuk S. P., Korchagin S. A., Terin D. V. Simulation of the characteristics of a nanocomposite material with spherical inclusions using the genetic algorithm. Mathematical Modeling and Computational Methods, 2018, no. 2, pp. 21–31 (in Russian). DOI: https://doi.org/10.18698/2309-3684-2018-2-2131
Поступила в редакцию: 
29.01.2019
Принята к публикации: 
05.03.2019
Опубликована: 
28.05.2019
Краткое содержание:
(downloads: 20)