1 论文标题：压水堆换料优化中Bagging-NN-ACO联合算法应用研究

2 作者信息：韦子豪, 王东东：中国原子能科学研究院，北京；王 端*, 林 辉, 肖丽丽：核工业学院，北京

3 出处和链接：韦子豪, 王端, 林辉, 肖丽丽, 王东东. 压水堆换料优化中Bagging-NN-ACO联合算法应用研究[J]. 核科学与技术, 2023, 11(1): 86-101. https://doi.org/10.12677/NST.2023.111010

4 摘要：在压水反应堆停堆换料中，换料方案直接决定了反应堆运行的安全性与经济性，其设计涉及热工水力、中子物理、反应堆控制等复杂问题，导致从大量堆芯换料方案中筛选最优方案费时费力。本文提出Bagging-NN-ACO联合算法，即利用集成的人工神经网络(Bagging-NN)实现堆芯参数快速、精确计算，利用蚁群算法实现大量换料方案的优选。在压水堆堆芯参数预测问题中，Bagging-NN方法通过“全局随机抽样 + 重点局部随机抽样”方法及组合多个神经网络模型，可以使有效增值因子参数的预测误差在0.1%以内，其他因子也在1.55%以内，较单一神经网络模型拥有更高的预测精度。在燃料组件排布优化中，使用具有自组织优化能力的蚁群算法，以堆芯关键参数为目标进行迭代进化，联合算法实现了换料优化问题的全流程智能计算，能够使堆芯目标参数优化提升2.29%~3.72%。

（关注汉斯出版社公 众 号联系小编即可投稿，还可获得最新论文模板！）