O problema de Otimização do Gerenciamento de Combustível Intra-Núcleo (In-Core
Fuel Management Optimization; OGCIN), ou otimização do projeto de Padrões de
Carregamento (PCs) são denominações para o problema de otimização associado à operação
de recarga de combustível em um reator nuclear. A OCGIN é considerada um problema de
difícil resolução, pois considera aspectos da otimização combinatória e cálculos de análise e
física de reatores. A fim de validarmos algoritmos para a solução da OGCIN, são utilizados
problemas benchmark tais como o Problema do Caixeiro Viajante (PCV). No presente
trabalho, com o intuito de fazer uma iniciação às técnicas de Inteligência Artificial na
Engenharia Nuclear, implementamos o algoritmo Aprendizagem Incremental Baseada em
População (Population-Based Incremental Learning - PBIL) e o aplicamos à solução do PCV
Oliver30. O PBIL foi apresentado inicialmente por Baluja (1994) e aplicado à OGCIN por
Machado (1999, 2005) Schirru et. al. (2006), Caldas e Schirru, (2008). O PBIL baseia-se no
algoritmo genético e aprendizado competitivo, utilizando um vetor probabilidade que sofre
alteração através de um operador evolucionário. Apresentamos os resultados preliminares do
algoritmo PBIL na resolução do PCV Oliver30, para posterior aplicação a outros PCVs e em
seguida à OGCIN.
|
