基于壓水堆換料優(yōu)化基準問題的隨機優(yōu)化方法的機理及應用研究.pdf

1、由于搜索空間異常龐大，如何快速地得到既安全又經(jīng)濟的換料方案至盡仍然是一項極具挑戰(zhàn)性的工作。作為隨機性的優(yōu)化算法，模擬退火算法和遺傳算法在換料優(yōu)化中的應用已被廣泛研究，但是由于缺少基準問題完整的解空間信息，因此一直沒有對它們搜索優(yōu)化布料方案的有效性給出定量化的評價。本文利用自行構(gòu)造的已枚舉所有布料方案并完成方案評價的壓水堆布料優(yōu)化基準問題，以所定義的可行解的搜索效率和搜索到的優(yōu)化解的質(zhì)量為評價指標，對模擬退火算法和遺傳算法搜索優(yōu)化布料方案

2、的機理進行了研究，并對上述兩項指標作了定量化的說明。最后，對新的布料優(yōu)化方法作了探討。首先，利用自行構(gòu)造的已枚舉所有布料方案并完成方案評價的壓水堆布料優(yōu)化基準問題，對應用較為普遍的以組件隨機兩兩交換方式進行解域搜索的模擬退火算法進行了研究，揭示了算法的物理機理，并首次定量給出了算法的搜索效率。研究表明，一般而言，當目標函數(shù)固定時，由不同的初始方案出發(fā)或者是在不同的冷卻進度表下，模擬退火算法的搜索效率和搜索到的優(yōu)化解的質(zhì)量變化不大。但是由

3、于模擬退火算法搜索過程中隨機數(shù)的影響，導致某些個別例外現(xiàn)象的出現(xiàn)，使得這些情況下的優(yōu)化結(jié)果偏離平均值較遠。研究還表明，用組件“十”字平均K∞分布的約束來過濾非可行解非常有效，結(jié)合模擬退火算法使用可獲得非常高的搜索效率。其次，利用一個已知完整解空間信息的較小規(guī)模的基準問題，對遺傳算法搜索優(yōu)化布料方案的機理和效率進行了研究，先給出了常規(guī)的遺傳算法的優(yōu)化結(jié)果，由于常規(guī)的遺傳算法在產(chǎn)生新方案時缺乏有效的物理機制加以引導，這導致算法容易早熟，且搜

4、索效率相對較低。本文采用年齡代、相似度和價值函數(shù)等新技術對用于堆芯換料優(yōu)化的遺傳算法加以改進，其中年齡技術賦予了算法及時總結(jié)前一階段方案搜索“經(jīng)驗”、引導算法更好地在局部最優(yōu)鄰域內(nèi)進行搜索的能力；在對方案進行雜交之前首先評估兩個方案的相似度，則避免了對兩個過于相似的方案進行雜交，從而防止算法早熟；價值函數(shù)的運用賦予算法依據(jù)較優(yōu)方案共性特征的統(tǒng)計來產(chǎn)生新方案的能力。數(shù)值檢驗說明，經(jīng)改進的遺傳算法可顯著提高算法的搜索效率，同時也使優(yōu)化解的質(zhì)