基于AEA-ITD3-MMC算法的核电蒸汽系统性能优化

来源：计算机集成制造系统杂志2026年第1期北京时间：

作者：董元发, 张俊, 肖云龙, 安友军, 刘浩, 张弦, 郭鹏

单位：1.三峡大学机械与动力学院2.三峡大学水电机械设备设计与维护湖北重点实验室3.中核武汉核电运行技术股份有限公司4.西南交通大学机械工程学院

摘要：针对核电蒸汽系统的高维函数优化问题,传统进化算法存在精度差、收敛速度慢和极易陷入局部最优等问题。为此,通过结合传统进化算法和深度强化学习,提出了一种包含多机制协同和改进TD3 (ITD3)的自适应进化算法(AEA-ITD3-MMC)。首先,引入基于多机制协同的种群重构策略,以增强初始种群的质量;其次,采用平衡优选策略,增强算法的全局探索能力和局部开发能力;然后,通过对标准TD3算法进行改进,设计了针对单目标函数优化问题的状态空间、动作空间、决策变量更新策略和自适应终止条件等,极大地提升了标准TD3算法的局部搜索能力;最后,设计了子代种群的生成策略,以保持子代种群的收敛性和多样性。在数值实验中,首先利用CEC2014和CEC2017测试函数集对AEA-ITD3-MMC算法的改进算子进行有效性分析,论证了所有改进算子的有效性;然后通过与传统进化算法进行对比,证明了AEA-ITD3-MMC算法在整体性能上显著优于10种经典进化算法;最后将AEA-ITD3-MMC算法应用于某核电蒸汽系统的高维决策变量优化问题上,进一步论证了该算法在工程应用中的优越性。

关键词：自适应进化算法,TD3算法,高维函数优化,核电蒸汽系统性能优化

基金资助：国家自然科学基金资助项目(52505562,52075292);湖北省自然科学基金资助项目(2025AFB165,2023AFB1116,2022CFB798);三峡大学科学基金资助项目(2024RCKJ032)。