O problema de Otimização do Gerenciamento de Combustível Intra-Núcleo (In-Core Fuel Management
Optimization; OGCIN) é um problema associado à operação de recarga de combustível em um reator nuclear, que
consistem em determinar a combinação de Elementos Combustíveis (EC) de forma que o desempenho do reator
nuclear seja melhorado. Este é um problema clássico e uma questão de grande interesse econômico de extrema
relevância para a Engenharia Nuclear, que vem sendo estudado a mais de quarenta anos. Problemas de análise
combinatória são problemas de difícil solução, pois o número de possíveis soluções do problema cresce de forma
exponencial de acordo com a quantidade de elementos. Além desse fato, a OGCIN se torna ainda mais difícil,
pois cada solução encontrada deve ser testada por complexos cálculos de Física de Reatores. Uma abordagem que
vem sendo bem-sucedida é a aplicação de Metaheurísticas de otimização. A validação de algoritmos aplicados à
OGCIN é feita utilizando 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 que podem ser aplicadas na
Engenharia Nuclear, implementamos o algoritmo Artificial Bee Colony (ABC) e o aplicamos à solução do PCV
Oliver30, analisando os resultados com vistas à sua aplicação à OGCIN. O ABC foi apresentado inicialmente por
Karaboga (2005) e aplicado ao OGCIN por Oliveira e Schirru (2011). O ABC baseia-se na inteligência coletiva
de um enxame de abelhas melíferas reais na busca por alimento. Apresentamos os resultados preliminares do
algoritmo ABC na resolução do PCV Oliver30, para posterior aplicação a outros PCVs e em seguida ao OGCIN.
|
