特征统计算法用于平衡循环换料优化问题研究.pdfVIP

第十一届反应堆数值计算和粒子输运学术会议暨2006年反应堆物理会议 特征统计算法用于平衡循环换料优化问题 刘志宏1石秀安1王炳衡2施工2胡永明1 I．清华大学核研院，2．清华大学工程物理系，北京，1000084 摘要：简要介绍了课题组针对压水堆堆芯装料优化闯题所开发的新的全局优化算法——特征统计算法。通过 引入快速局部调整等方法对特征统计算法进行了改进，并针对平衡循环换料优化问题修改了优化程序，对大 亚湾核电站第l机组反应堆18个月平衡循环换料进行了优化。所得到的结果验证了CSA_DYW程序在求解平衡 循环优化问题上的性能． 关键词：特征统计算法(cs^)；平衡循环：换料优化 1引言 堆芯燃料管理优化是复杂的组合优化问题，堆内组件的相对功率不仅与该处组件的k有 关，而且还与相邻位置处组件的‰密切相关。目前已有的堆芯燃料管理优化软件大多基于经 验和专家知识系统。对于堆芯燃料管理优化问题，普通的算法(如两两互换法、直接搜索法等) 通常只能找到一个局部极值n’。随机性优化算法基本上都是模拟自然和物理现象提出来的，利 用问题的某一种特征来进行优化的。例如遗传算法认为在算法规定的编码规则下，各段代码对 函数值的影响具有相对的独立性，各段代码之间的关系不是很密切。反映在堆芯燃料管理优化 问题上，遗传算法则认为影响组件的相对功率仅仅为该处组件的k，该处组件与周围相邻的 组件关系不紧密。因此遗传算法应用到装料优化问题上时，不能较好地利用问题所具有的特殊 组合性质，具有较大的局限性，优化搜索效率不高晗1． 课题组曾经开发了一种基于概率统计的新的全局优化算法—{寺征统计算法CSA晦射(说明： 以前的文献中曾经称之为统计归纳算法SIA)。它通过统计指定的特征量来指导优化搜索方向， 并最终达到全局优化。CSA能够很好地利用装料优化问题的特征．因此具有很高的优化效率和 很好的全局性。本文对cSA进行了改进，并采用改进的csA编制了压水堆堆芯装料优化程序 cSA_DY霄；应用该程序对大亚湾核电站第1机组反应堆18个月平衡循环换料进行了优化，得到 了较好的结果。 2特征统计算法OSA 优化过程中能够用来指导搜索的信息包括已计算过的点的函数值和函数本身的一些特征。 其中函数本身具有的特征对于引导优化搜索方向非常重要。正是它使得各个不同的状态点之闯 产生了联系，使得我们能够利用已计算点的情况去推测未知点的函数值情况。 CSA根据问题的特点，选取一些与目标函数的全局性质相关的量作为特征量，然后利用这 些特征量在优化过程中的变化规律引导下一步的搜索。CSA算法的原理可以这样来解释：一个 多极值优化问题的函数曲线如图l所示(星号位置表示各局部极值)。图中各局部极值点相互远 离，找全局极值比较困难。如果能够找到某些映射关系{G；}，使这些局部极值点对应的自变量 237 第十一届反应堆数值计算和粒子输运学术会议暨2006年反应堆物理会议 x的某些映射(即特征量G-(x))的值相互接近，则可以使得这些相互远离的局部极值点建立 起统计意义上的联系，从而将优化问题从多极值问题转化为统计意义上的单极值或者少极值问 题。这样，在搜索过程中，就可以以特征量为“桥梁’’从一个局部极值直接过渡到另外的局部 极值，从而达到全局优化的目的。 F(x) X 图l多极值优化问题示意图 特征量的选取需要根据问题自身的特点来确定。例如，对于一个简化的装料方案(Loading Pattern，简写为LP)优化问题。假设存在图2所示的两个较优解，在众多的解中这是两个不 同的局部极值，其中黑色部分表示旧组件，白色部分表示新组件。从普通的意义上来看，这两 个局部极值是完全不同的，几乎每一个位置处的组件摆放都不同，是相互远离的两个局部极值。 但是如果选取如下的特征量 1三 Gi=Bui+÷∑Buj,near ．t．，=I 其中Bui为位置i处的组件燃耗值，Buj．—．表示与位置i相邻的4个位置处的组件燃耗值。 当考察上面