×
施伦茨，E.B。;博科夫，P.M。;van Vuuren，J.H。

求解约束堆芯燃料管理优化问题的多目标元启发式的比较研究。 （英语） Zbl 1349.90746号

计算。操作。物件。 75, 174-190 (2016).
摘要：本文研究了使用元启发式的约束多目标堆内燃料管理优化（MICFMO）问题。为了确定哪种方法最适合于约束MICFMO环境，对来自不同类别的几种现代和最先进的元启发式算法进行了比较，包括进化算法、局部搜索算法、群智能算法、基于概率模型的算法和和谐搜索算法。基于SAFARI-1核研究反应堆，为比较研究建立了16个优化问题实例的测试套件。该套件被划分为三个类，每个类由具有不同数量目标的问题实例组成，但受相同的严格约束集的约束。此外，还将乘法惩罚函数约束处理技术与文献中的约束支配技术进行了比较。在非参数统计分析中比较了不同的优化方法。分析表明，乘法惩罚函数约束处理是约束支配的一种竞争性替代方法，在双目标优化问题中似乎特别有效。在元启发式解的比较中，发现非支配排序遗传算法II（NSGA-II）、Pareto蚁群优化（P-ACO）算法和使用交叉熵方法的多目标优化（MOOCEM）通常是所有三个问题类中性能最好的元启发式，以及双目标问题类中的多目标变量邻域搜索（MOVNS）。此外，通过将由此获得的解决方案与当前SAFARI-1换料配置设计方法进行比较，证明了元启发式结果的实际相关性。

引用于1文件

MSC公司：

90C29型 多目标规划
90 C59 数学规划中的近似方法和启发式

关键词：

元启发式;多目标优化;约束处理;堆芯燃料管理优化;核反应堆

软件：

神经网络工具箱;SPEA2公司;Matlab公司;国家标准3;小型粒子群
PDF格式BibTeX公司 XML格式引用
\textit{E.B.Schlünz}等人，计算。操作。第75号决议、174-190号决议（2016年；Zbl 1349.90746）
全文： 内政部

参考文献：

[2] Turinsky，P.J.，核燃料管理优化工作进展，Nucl Technol，151，3-8（2005）
[4] Mazrou，H。；Hamadouche，M.，人工神经网络在LWRR安全堆芯参数预测中的应用，Progr Nucl Energy，44，2，263-275（2004）
[5] 米尔瓦基利，S.M。；Faghihi，F。；Khalafi，H.，基于人工神经网络开发用于预测典型VVER-1000堆芯物理参数的计算工具，Ann Nucl Energy，50，82-93（2012）
[6] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，一种快速的精英多目标遗传算法NSGA-II，IEEE Trans-Evol Compute，6，2，182-197（2002）
[9] Doerner，K。；Gutjahr，W。；Hartl，R.F。；施特劳斯，C。；Stummer，C.，Pareto蚁群优化多目标投资组合选择的元启发式方法，Ann Oper Res，13179-99（2004）·Zbl 1067.91028号
[10] Bandyopadhyay，S。；萨哈，S。；Maulik，美国。；Deb，K.，基于模拟退火的多目标优化算法AMOSA，IEEE Trans-Evol Compute，12，3，269-283（2008）
[12] 贝克尔，J。；Aldrich，C.，《多目标优化评估中的交叉熵方法》，《欧洲运营研究杂志》，211112-121（2011）·Zbl 1218.90177号
[13] Sivasubramani，S。；Swarup，K.S.，最优潮流问题的多目标和谐搜索算法，电力能源系统，33，745-752（2011）
[15] 巴尔，R.S。；Golden，B.L。；Kelly，J.P。；重发，M.G.C。；Stewart，W.R.，《用启发式方法设计和报告计算实验》，《启发式杂志》，第1期，第3-32页（1995年）·Zbl 0853.68154号
[18] Y.Hochberg。；Tamhane，A.C.，《多重比较程序》（1987），John Wiley&Sons：纽约州纽约市John Willey&Sons·Zbl 0731.62125号
[19] 龚，Z。；王凯。；Yao，D.，利用反应性区间模式优化反应堆堆芯加载模式的区间约束算法，Ann Nucl Energy，38，2787-2796（2011）
[20] 刘，S。；Cai，J.，使用改进的枢轴粒子群方法对典型压水堆（PWR）燃料装载模式优化的研究，Ann Nucl Energy，50，117-125（2012）
[21] Poursalehi，N。；Zolfaghari，A。；Minuchehr，A.，基于离散萤火虫算法的压水堆多目标加载模式增强，Ann Nucl Energy，57，151-163（2013）
[22] Miettinen，K.，非线性多目标优化（1999），Kluwer学术出版社：Kluwer学术出版社，马萨诸塞州波士顿·Zbl 0949.90082号
[23] Parks，G.T.，通过非支配遗传算法搜索进行多目标压水堆换料堆芯设计，Nucl Sci Eng，124，178-187（1996）
[25] Suppapitnarm，A。；Seffen，K.A。；Parks，G.T。；Clarkson，P.J.，《多目标优化的模拟退火算法》，《工程优化》，33，59-85（2000）
[27] Do，B.Q。；Nguyen，L.P.，遗传算法在研究堆燃料重新加载优化中的应用，应用数学计算，187977-988（2007）·Zbl 1118.82038号
[28] 帕克，T.K。；Joo，H.G。；Kim，C.H。；Lee，H.C.，采用不连续惩罚函数和筛选技术通过模拟退火进行的多目标加载模式优化，Nucl Sci Eng，162134-147（2009）
[29] Hedayat，A。；戴维鲁，H。；Barfrosh，A.A。；Sepanloo，K.，使用混合人工智能算法优化研究反应堆的核心配置设计，Nucl Eng Des，2392786-2799（2009）
[30] Schlünz，E.B.公司。；博科夫，P.M。；普林斯洛，R.H。；van Vuuren，J.H.，基于增强切比雪夫尺度化和协调搜索算法的单目标和多目标堆芯燃料管理优化的统一方法，Ann Nucl Energy，87，659-670（2016）
[36] 李，X。；Du，G.，BSTBGAa约束多目标优化问题的混合遗传算法，Comput Oper Res，40，282-302（2013）·Zbl 1349.90738号
[37] 拉腊尼亚加，P。；Kuijpers，C.M.H。；Murga，R.H。；Inza，I。；Dizdarevic，S.，《旅行推销员问题的遗传算法——表征和算子综述》，《Artif Intell Rev》，第13期，第129-170页（1999年）
[38] Soni，N。；Kumar，T.，《遗传算法中各种变异算子的研究》，国际计算机科学与信息技术杂志，5，3，4519-4521（2014）
[40] Bean，J.C.，《用于排序和优化的遗传算法和随机键》，ORSA J Compute，6，2，154-160（1994）·Zbl 0807.90060号
[42] Jain，A.K。；Dubes，R.C.，《聚类数据的算法》（1988），普伦蒂斯·霍尔：普伦蒂斯霍尔-恩格尔伍德克利夫斯，新泽西州·Zbl 0665.62061号
[43] 梁，Y。；Chuang，C.，多目标资源分配问题的可变邻域搜索，机器人计算集成制造，29，73-78（2013）
[44] 梅内塞斯，A.A.M。；医学博士马查多。；Schirru，R.，粒子群优化在压水堆核换料问题中的应用，Progr Nucl Energy，51，319-326（2009）
[45] 林，C。；Lin，B.，使用蚁群算法的自动压水堆加载模式设计，Ann Nucl Energy，43，91-98（2012）
[46] 科埃洛·科埃洛，C.A。；拉蒙特，G.B。；van Velduizen，D.A.，解决多目标问题的进化算法（2007），施普林格：施普林格，纽约·Zbl 1142.90029号
[47] Zitzler，E。；Thiele，L.，《多目标进化算法比较案例研究和强度帕累托方法》，IEEE Trans-Evol Compute，3，4，257-271（1999）
[49] 德拉克，J。；南卡罗来纳州加西亚。；莫利纳，D。；Herrera，F.，《关于使用非参数统计测试作为比较进化算法和群体智能算法的方法的实用教程》，swarm Evol-Comput，1,3-18（2011）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。