基于壓水堆換料優(yōu)化基準(zhǔn)問(wèn)題的隨機(jī)優(yōu)化方法的機(jī)理及應(yīng)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(jì)的換料方案至盡仍然是一項(xiàng)極具挑戰(zhàn)性的工作。作為隨機(jī)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(yīng)用已被廣泛研究，但是由于缺少基準(zhǔn)問(wèn)題完整的解空間信息，因此一直沒(méi)有對(duì)它們搜索優(yōu)化布料方案的有效性給出定量化的評(píng)價(jià)。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(píng)價(jià)的壓水堆布料優(yōu)化基準(zhǔn)問(wèn)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(píng)價(jià)指標(biāo)，對(duì)模擬退火算法和遺傳算法搜索優(yōu)化布料方案

2、的機(jī)理進(jìn)行了研究，并對(duì)上述兩項(xiàng)指標(biāo)作了定量化的說(shuō)明。最后，對(duì)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(píng)價(jià)的壓水堆布料優(yōu)化基準(zhǔn)問(wèn)題，對(duì)應(yīng)用較為普遍的以組件隨機(jī)兩兩交換方式進(jìn)行解域搜索的模擬退火算法進(jìn)行了研究，揭示了算法的物理機(jī)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(dāng)目標(biāo)函數(shù)固定時(shí)，由不同的初始方案出發(fā)或者是在不同的冷卻進(jìn)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(guò)程中隨機(jī)數(shù)的影響，導(dǎo)致某些個(gè)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(yuǎn)。研究還表明，用組件“十”字平均K∞分布的約束來(lái)過(guò)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(gè)已知完整解空間信息的較小規(guī)模的基準(zhǔn)問(wèn)題，對(duì)遺傳算法搜索優(yōu)化布料方案的機(jī)理和效率進(jìn)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(shí)缺乏有效的物理機(jī)制加以引導(dǎo)，這導(dǎo)致算法容易早熟，且搜

4、索效率相對(duì)較低。本文采用年齡代、相似度和價(jià)值函數(shù)等新技術(shù)對(duì)用于堆芯換料優(yōu)化的遺傳算法加以改進(jìn)，其中年齡技術(shù)賦予了算法及時(shí)總結(jié)前一階段方案搜索“經(jīng)驗(yàn)”、引導(dǎo)算法更好地在局部最優(yōu)鄰域內(nèi)進(jìn)行搜索的能力；在對(duì)方案進(jìn)行雜交之前首先評(píng)估兩個(gè)方案的相似度，則避免了對(duì)兩個(gè)過(guò)于相似的方案進(jìn)行雜交，從而防止算法早熟；價(jià)值函數(shù)的運(yùn)用賦予算法依據(jù)較優(yōu)方案共性特征的統(tǒng)計(jì)來(lái)產(chǎn)生新方案的能力。數(shù)值檢驗(yàn)說(shuō)明，經(jīng)改進(jìn)的遺傳算法可顯著提高算法的搜索效率，同時(shí)也使優(yōu)化解的質(zhì)