為解決基于蒙特卡羅方法的傳統(tǒng)屏蔽優(yōu)化方法效率低、可應(yīng)用性差的缺點,本文基于精英策略的非支配排序遺傳算法(NSGA-Ⅱ)和小批量隨機梯度下降法(MBGD)對反應(yīng)堆屏蔽優(yōu)化方法進行了研究,同時改進了遺傳算法自適應(yīng)變異率算子以增強遺傳算法的全局尋優(yōu)能力,提出了反應(yīng)堆屏蔽多目標優(yōu)化方法。構(gòu)建反應(yīng)堆二次屏蔽多目標優(yōu)化模型,將蒙特卡羅方法與神經(jīng)網(wǎng)絡(luò)預(yù)測方法輸出的屏蔽后歸一化中子透射率進行對比,驗證了MBGD的準確性。通過神經(jīng)網(wǎng)絡(luò)與NSGA-Ⅱ的耦合對屏蔽參數(shù)進行約束尋優(yōu),能夠快速找到屏蔽設(shè)計模型的Pareto前沿,可實際應(yīng)用于反應(yīng)堆輻射屏蔽多目標優(yōu)化工程設(shè)計。

【文章頁數(shù)】：7 頁


本文編號：3863246