[发明专利]基于神经网络和遗传算法的船用反应堆屏蔽设计优化方法

摘要

本发明公开了基于神经网络和遗传算法的船用反应堆屏蔽设计优化方法，利用蒙特卡洛方法模拟计算反应堆中子和光子输运过程，采用MCNP程序对船用反应堆分层屏蔽模型进行模拟计算，得到反应堆屏蔽后的中子和光子通量，并计算出总的当量剂量；根据样本的输入参数个数n1和输出参数个数n2来确定BP神经网络的拓扑结构；根据反应堆屏蔽问题目标确定遗传算法的适应度函数，选择推荐的适应度函数，利用遗传算法强寻优能力，与神经网络相互耦合找到最佳的屏蔽参数。本发明的优点是利用神经网络极强的拟合能力减少了MCNP程序在粒子输运计算过程的时间消耗和利用遗传算法很好的寻优能力，能够在很少的迭代步骤中找到最优屏蔽参数。

主权项

基于神经网络和遗传算法的船用反应堆屏蔽设计优化方法，其特征在于，按照以下步骤进行：步骤1，利用蒙特卡洛方法模拟计算反应堆中子和光子输运过程，采用MCNP程序对船用反应堆分层屏蔽模型进行模拟计算，得到反应堆屏蔽后的中子和光子通量，并计算出总的当量剂量；步骤2，根据样本的输入参数个数n1和输出参数个数n2来确定BP神经网络的拓扑结构；步骤3，根据反应堆屏蔽问题目标确定遗传算法的适应度函数，适应度函数有以下推荐类型；(a)约束型Fittness＝Weight，Dose≤D0Fittness为适应度值；Weight为反应堆屏蔽层质量；D0为剂量限值；Dose为中子和光子穿过反应堆屏蔽层之后的剂量；(b)权重型Fittness＝W1*Weight′+W2*Dose′Fittness为适应度值；Weight′和Dose′分别为归一化的质量和剂量；W1和W2分别为两者之间的权重，默认均为1，选择上述推荐的适应度函数，利用遗传算法强寻优能力，与神经网络相互耦合找到最佳的屏蔽参数。