Comparación de Diferentes Técnicas Heurísticas para la ... - LAS-ANS
Comparación de Diferentes Técnicas Heurísticas para la ... - LAS-ANS
Comparación de Diferentes Técnicas Heurísticas para la ... - LAS-ANS
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Simposio <strong>LAS</strong>/<strong>ANS</strong> 2007 / 2007 <strong>LAS</strong>/<strong>ANS</strong> Symposium<br />
XVIII Congreso Anual <strong>de</strong> <strong>la</strong> SNM / XVIII SNM Annual Meeting<br />
XXV Reunión Anual <strong>de</strong> <strong>la</strong> SMSR / XXV SMSR Annual Meeting<br />
Copatrocinado por <strong>la</strong> AMEE / Co-sponsored by AMEE<br />
Cancún, Quintana Roo, MÉXICO, <strong>de</strong>l 1 al 5 <strong>de</strong> Julio 2007 / Cancun, Quintana Roo, MEXICO, July 1-5, 2007<br />
<strong>Com<strong>para</strong>ción</strong> <strong>de</strong> <strong>Diferentes</strong> <strong>Técnicas</strong> <strong>Heurísticas</strong> <strong>para</strong> <strong>la</strong> Optimización <strong>de</strong>l<br />
Diseño <strong>de</strong> Patrones <strong>de</strong> Barras <strong>de</strong> Control<br />
José Alejandro Castillo Mén<strong>de</strong>z, Juan José Ortiz Servín, Raúl Perusquía <strong>de</strong>l Cueto,<br />
José Luis Montes Ta<strong>de</strong>o y José Luis Hernán<strong>de</strong>z Martínez<br />
Instituto Nacional <strong>de</strong> Investigaciones Nucleares<br />
Carretera México-Toluca s/n, La Marquesa, Ocoyoacac; México CP 52750<br />
jacm@nuclear.inin.mx; jjortiz@nuclear.inin.mx; rmpc@nuclear.inin.mx;<br />
jlmt@nuclear.inin.mx; jlhm@nuclear.inin.mx<br />
Dulce María Mejía Sánchez ∗<br />
Escue<strong>la</strong> Superior <strong>de</strong> Física y Matemáticas, Instituto Politécnico Nacional<br />
Unidad Profesional “Adolfo López Mateos”, ESFM, Edificio 9, C.P. 07738, D.F. México<br />
dulcema6715@yahoo.com.mx<br />
Resumen<br />
En el presente trabajo se realiza una com<strong>para</strong>ción, utilizando diferentes metodologías, con<br />
los resultados obtenidos <strong>para</strong> <strong>la</strong> optimización <strong>de</strong>l diseño <strong>de</strong> Patrones <strong>de</strong> Barras <strong>de</strong> Control<br />
<strong>para</strong> reactores <strong>de</strong> agua en ebullición. Los resultados se obtuvieron consi<strong>de</strong>rando <strong>la</strong>s<br />
mismas condiciones <strong>para</strong> todas <strong>la</strong>s metodologías empleadas, <strong>la</strong>s cuales forman parte <strong>de</strong> <strong>la</strong><br />
optimización combinatoria, éstas se programaron en lenguaje FORTRAN 77 bajo<br />
p<strong>la</strong>taforma UNIX en una estación <strong>de</strong> trabajo ALPHA. Las técnicas empleadas <strong>para</strong> llevar<br />
a cabo <strong>la</strong> optimización son <strong>la</strong>s siguientes, Algoritmos Genéticos, Búsqueda Dispersa,<br />
Búsqueda Tabú, Colonias <strong>de</strong> Hormigas y Re<strong>de</strong>s Neuronales. La función objetivo<br />
empleada es <strong>la</strong> misma en todos los casos, en ésta se incluyen los límites térmicos MFLPD<br />
(Fracción máxima <strong>de</strong> <strong>la</strong> <strong>de</strong>nsidad <strong>de</strong> potencia al final <strong>de</strong>l ciclo <strong>de</strong> operación), MPGR<br />
(Tasa máxima <strong>de</strong> generación <strong>de</strong> potencia al final <strong>de</strong>l ciclo <strong>de</strong> operación) y MFLCPR<br />
(Fracción máxima <strong>para</strong> <strong>la</strong> razón <strong>de</strong> potencia crítica al final <strong>de</strong>l ciclo <strong>de</strong> operación), <strong>de</strong><br />
igual forma se incluye <strong>la</strong> condición <strong>de</strong> criticidad <strong>para</strong> el reactor y se pi<strong>de</strong> que el Perfil<br />
Axial <strong>de</strong> Potencia en cada paso <strong>de</strong> quemado se ajuste a un Perfil Axial <strong>de</strong> Potencia<br />
propuesto. Se utilizó el código CM-PRESTO (Scandpower) <strong>para</strong> evaluar los diseños<br />
propuestos. El criterio empleado <strong>para</strong> <strong>la</strong> com<strong>para</strong>ción es esencialmente <strong>la</strong> keff al final <strong>de</strong><br />
ciclo, así como el cumplimiento <strong>de</strong> los límites térmicos, no obstante, también se analiza el<br />
número <strong>de</strong> intercambios entre <strong>la</strong>s posiciones someras y profundas, y el número total <strong>de</strong><br />
movimientos realizados durante el ciclo completo.<br />
∗ Estudiante <strong>de</strong> <strong>la</strong> Maestría en Ingeniería Nuclear.<br />
Memorias CIC Cancún 2007 en CDROM 302 Proceedings IJM Cancun 2007 on CDROM
Autor A et al, Título <strong>de</strong>l Trabajo a Presentar…<br />
1. ANTECEDENTES<br />
El problema <strong>de</strong>l diseño <strong>de</strong> Patrones <strong>de</strong> Barras <strong>de</strong> Control <strong>para</strong> reactores <strong>de</strong> agua en ebullición<br />
(BWR por sus sig<strong>la</strong>s en inglés) ha sido ampliamente estudiado utilizando diferentes metodologías,<br />
bajo diferentes criterios. Para resolver el problema en cuestión se han utilizado <strong>de</strong>s<strong>de</strong><br />
programación dinámica (Terney [1]), pasando por <strong>la</strong> programación aproximada (Motoda [2]),<br />
hasta llegar a <strong>la</strong> optimización combinatoria con <strong>la</strong> cual se han obtenido buenos resultados. De los<br />
primeros trabajos en el área <strong>de</strong> <strong>la</strong> optimización combinatoria, <strong>para</strong> el problema que nos atañe, se<br />
pue<strong>de</strong>n citar lo realizado por Hayase [3], en don<strong>de</strong> se usan algunas i<strong>de</strong>as sobre heurísticas <strong>para</strong><br />
mejorar un trabajo previo en el que se usa <strong>la</strong> programación aproximada. Recientemente se ha<br />
explorado el área <strong>de</strong> optimización combinatoria en forma por <strong>de</strong>más extensa, aplicándose<br />
diferentes metodologías entre <strong>la</strong>s que <strong>de</strong>stacan los Algoritmos Genéticos (Montes [4]), <strong>la</strong> Lógica<br />
Difusa (François [5]), <strong>la</strong> Búsqueda Dispersa (Castillo [6]), los sistemas basados en Colonias <strong>de</strong><br />
Hormigas (Ortiz [7]), <strong>la</strong>s Re<strong>de</strong>s Neuronales (Mejía [8]) y <strong>la</strong> Búsqueda Tabú (Castillo [9]) por<br />
mencionar algunas.<br />
Los resultados reportados muestran un avance significativo, tanto en el <strong>de</strong>sempeño <strong>de</strong> los nuevos<br />
sistemas, como en <strong>la</strong> incorporación <strong>de</strong> <strong>la</strong> experiencia adquirida a través <strong>de</strong> los años. Cabe seña<strong>la</strong>r<br />
que si bien los criterios bajo los cuales funcionan cada uno <strong>de</strong> los sistemas seña<strong>la</strong>dos son<br />
simi<strong>la</strong>res, cada uno tiene su propia estrategia, por lo cual resulta complicado realizar un análisis<br />
com<strong>para</strong>tivo entre ellos, amén <strong>de</strong> que los resultados reportados no son los mismos en <strong>la</strong> mayoría<br />
<strong>de</strong> los casos. Debido a esto, <strong>la</strong> i<strong>de</strong>a <strong>de</strong>l presente trabajo es realizar una com<strong>para</strong>ción entre<br />
diferentes metodologías bajo <strong>la</strong>s mismas condiciones, tratando, en <strong>la</strong> medida <strong>de</strong> lo posible, <strong>de</strong><br />
obtener información sobre <strong>la</strong>s cualida<strong>de</strong>s <strong>de</strong> los sistemas <strong>de</strong>sarrol<strong>la</strong>dos en el Instituto Nacional <strong>de</strong><br />
Investigaciones Nucleares por el grupo <strong>de</strong> administración <strong>de</strong> combustible.<br />
2. PLANTEAMIENTO DEL PROBLEMA<br />
El problema <strong>de</strong>l diseño <strong>de</strong> Patrones <strong>de</strong> Barras <strong>de</strong> Control (PBC) es ampliamente conocido, por tal<br />
motivo so<strong>la</strong>mente se hará un pequeño bosquejo <strong>de</strong>l mismo. En caso <strong>de</strong> que el lector <strong>de</strong>see<br />
profundizar sobre el tema, pue<strong>de</strong> consultar cualquiera <strong>de</strong> <strong>la</strong>s referencias mencionadas en <strong>la</strong><br />
sección anterior. Se consi<strong>de</strong>ran 109 barras <strong>de</strong> control, cada una <strong>de</strong> <strong>la</strong>s cuales pue<strong>de</strong> ser colocada<br />
en 25 posiciones axiales diferentes. Para el análisis realizado se consi<strong>de</strong>raron 12 pasos <strong>de</strong><br />
quemado, lo cual implica ((25) 109 ) 12 diferentes posibles diseños <strong>de</strong> un PBC, si no se toma en<br />
cuenta ninguna restricción.<br />
Para reducir el espacio <strong>de</strong> búsqueda se consi<strong>de</strong>ra que el núcleo presenta una simetría <strong>de</strong> 1/8, con<br />
lo cual <strong>la</strong>s posibilida<strong>de</strong>s se reducen a ((25) 19 ) 12 . Si <strong>la</strong> recarga <strong>de</strong> combustible se hizo siguiendo <strong>la</strong><br />
estrategia CCC (Almenas [10]), el número <strong>de</strong> posibilida<strong>de</strong>s se reduce a ((25) 5 ) 12 <strong>de</strong>bido a que<br />
sólo se mueven 5 barras <strong>de</strong> control (seña<strong>la</strong>das en color rojo en <strong>la</strong> Figura 1), ac<strong>la</strong>rando que, <strong>la</strong>s<br />
barras <strong>de</strong> control restantes permanecen fuera <strong>de</strong>l reactor durante todo el ciclo.<br />
Cada una <strong>de</strong> <strong>la</strong>s 25 posiciones axiales <strong>de</strong> una barra <strong>de</strong> control se etiqueta <strong>de</strong> <strong>la</strong> siguiente manera<br />
[00, 02, 04, 06,…, 44, 46, 48]. Las posiciones que se encuentran entre 00 y 18 se conocen como<br />
“posiciones profundas”, <strong>la</strong>s etiquetadas <strong>de</strong> 20 a 30 se les l<strong>la</strong>ma “posiciones intermedias” y por<br />
último, <strong>la</strong>s seña<strong>la</strong>das entre 32 y 48 se les conocen como “posiciones someras”. Una estrategia<br />
Memorias CIC Cancún 2007 en CDROM Proceedings IJM Cancun 2007 on CDROM<br />
303
Congreso Internacional Conjunto Cancún 2007 / International Joint Meeting Cancun 2007<br />
a<strong>de</strong>cuada es que <strong>la</strong>s posiciones intermedias no se tomen en cuenta, <strong>de</strong>bido a que <strong>de</strong>forman el<br />
perfil axial <strong>de</strong> potencia (Almenas [10]). En resumen, se tienen 19 posiciones axiales en cada<br />
barra <strong>para</strong> el diseño <strong>de</strong> los Patrones <strong>de</strong> Barras <strong>de</strong> Control, por lo tanto el número total <strong>de</strong><br />
posibilida<strong>de</strong>s es ((19) 5 ) 12 ≈ 10 76 .<br />
En el mismo or<strong>de</strong>n <strong>de</strong> i<strong>de</strong>as, <strong>la</strong>s condiciones que <strong>de</strong>be cumplir un patrón <strong>de</strong> barras <strong>de</strong> control son<br />
<strong>la</strong>s siguientes:<br />
• El reactor <strong>de</strong>be ser crítico<br />
• Las fracciones <strong>de</strong> los límites térmicos <strong>de</strong>ben ser menores a 0.93<br />
• Ajuste <strong>de</strong>l Perfil Axial <strong>de</strong> Potencia obtenido a un Perfil Axial <strong>de</strong> Potencia Propuesto<br />
• El caudal <strong>de</strong> agua a través <strong>de</strong>l núcleo se mantiene constante a lo <strong>la</strong>rgo <strong>de</strong>l ciclo e igual al<br />
100%.<br />
Figura 1. Barras <strong>de</strong> control (en rojo)<br />
utilizadas <strong>para</strong> <strong>la</strong> optimización.<br />
Lo anterior queda perfectamente incluido en <strong>la</strong> siguiente función objetivo<br />
don<strong>de</strong><br />
F<br />
25<br />
= w1<br />
keff<br />
, o − kcrit<br />
+ w2∑<br />
i=<br />
1<br />
t<br />
t<br />
P<br />
t<br />
oij<br />
− P<br />
Memorias CIC Cancún 2007 en CDROM 304 Proceedings IJM Cancún 2007 on CDROM<br />
cal<br />
+ w FLPD − FLPD +<br />
3<br />
+ w MPGR − MPGR +<br />
+ w MFLCPR − MFLCPR<br />
: Perfil Axial <strong>de</strong> Potencia Objetivo<br />
: Perfil Axial <strong>de</strong> Potencia obtenido<br />
keff,o : Factor <strong>de</strong> multiplicación efectivo <strong>de</strong> neutrones obtenido<br />
: Factor <strong>de</strong> multiplicación efectivo <strong>de</strong> neutrones objetivo<br />
Pobj<br />
Pcal<br />
kcrit<br />
5<br />
4<br />
o<br />
o<br />
+<br />
o<br />
(1)
Autor A et al, Título <strong>de</strong>l Trabajo a Presentar…<br />
MFLPDl : Fracción máxima <strong>de</strong> <strong>la</strong> <strong>de</strong>nsidad <strong>de</strong> potencia al final <strong>de</strong>l ciclo <strong>de</strong> operación límite<br />
(0.93)<br />
MFLPDo : Fracción máxima <strong>de</strong> <strong>la</strong> <strong>de</strong>nsidad <strong>de</strong> potencia al final <strong>de</strong>l ciclo <strong>de</strong> operación obtenida<br />
MPGRl : Tasa máxima <strong>de</strong> generación <strong>de</strong> potencia al final <strong>de</strong>l ciclo <strong>de</strong> operación límite (0.93)<br />
MPGRo : Tasa máxima <strong>de</strong> generación <strong>de</strong> potencia al final <strong>de</strong>l ciclo <strong>de</strong> operación obtenida<br />
MFLCPRl : Fracción máxima <strong>para</strong> <strong>la</strong> razón <strong>de</strong> potencia crítica al final <strong>de</strong>l ciclo <strong>de</strong> operación<br />
límite (0.93)<br />
MFLCPRo : Fracción máxima <strong>para</strong> <strong>la</strong> razón <strong>de</strong> potencia crítica al final <strong>de</strong>l ciclo <strong>de</strong> operación<br />
obtenida<br />
siendo w1 ,…,w5 factores <strong>de</strong> peso, con wi > 0, i = 1,…,5. Estos factores <strong>de</strong> peso se obtienen<br />
mediante un análisis estadístico. Es importante seña<strong>la</strong>r que cuando alguno <strong>de</strong> los límites se<br />
cumple, el respectivo peso es igual a cero, por lo que, cuando todos los límites se cumplen,<br />
únicamente se minimiza sobre <strong>la</strong> keff y sobre el Perfil Axial <strong>de</strong> Potencia.<br />
Adicionalmente se impusieron <strong>la</strong>s siguientes restricciones:<br />
k − k ≤ δ , δ > 0<br />
(2)<br />
eff , o<br />
crit<br />
Po , i t,<br />
i t,<br />
i<br />
− P ≤ ε P , ε > 0;<br />
∀i<br />
= 1,<br />
K,<br />
25<br />
(3)<br />
3. TÉCNICAS EMPLEADAS<br />
Para llevar a cabo <strong>la</strong> com<strong>para</strong>ción se utilizaron diferentes metodologías. En esta sección se<br />
explica brevemente <strong>la</strong>s características <strong>de</strong> <strong>la</strong>s 5 técnicas empleadas, sin entrar en mayores <strong>de</strong>talles,<br />
simplemente con <strong>la</strong> i<strong>de</strong>a <strong>de</strong> dar un pequeño bosquejo <strong>de</strong> <strong>la</strong>s mismas. Al final se incluye <strong>la</strong><br />
referencia respectiva en caso <strong>de</strong> que el lector <strong>de</strong>see profundizar sobre el tema.<br />
3.1. Algoritmos Genéticos<br />
El sistema empleado en este caso (Montes [4]) utiliza un Algoritmo Genético con una pob<strong>la</strong>ción<br />
<strong>de</strong> 25 cromosomas y una codificación real. Cada cromosoma tiene longitud 5, don<strong>de</strong> cada gen<br />
correspon<strong>de</strong> a una barra <strong>de</strong> control. Cada gen pue<strong>de</strong> tomar valores enteros pares en el rango 00 a<br />
48. Las probabilida<strong>de</strong>s <strong>de</strong> mutación y cruce son 0.05 y 0.30 respectivamente, se utilizó el método<br />
<strong>de</strong> <strong>la</strong> ruleta con elitismo <strong>para</strong> <strong>la</strong> selección <strong>de</strong> padres. Una vez encontrado el patrón <strong>de</strong> barras <strong>de</strong><br />
control <strong>de</strong> un paso <strong>de</strong> quemado, éste es alimentado como solución inicial al siguiente paso <strong>de</strong><br />
quemado vía una copia <strong>de</strong>l mejor cromosoma.<br />
Memorias CIC Cancún 2007 en CDROM Proceedings IJM Cancun 2007 on CDROM<br />
305
3.2. Búsqueda Dispersa<br />
Congreso Internacional Conjunto Cancún 2007 / International Joint Meeting Cancun 2007<br />
Para <strong>la</strong> implementación <strong>de</strong> esta técnica se generó un conjunto disperso <strong>de</strong> tamaño 95 con base en<br />
una solución semil<strong>la</strong> obtenida aleatoriamente. Del conjunto disperso se obtuvo el conjunto<br />
referencia cuya cardinalidad es 10, dividiéndose a su vez en dos subconjuntos <strong>de</strong> tamaño 5. El<br />
primer subconjunto incluye <strong>la</strong>s soluciones <strong>de</strong> mejor calidad, <strong>de</strong> acuerdo a <strong>la</strong> función objetivo;<br />
mientras que el segundo consi<strong>de</strong>ra a los elementos con mayor distancia entre el conjunto disperso<br />
y el primer subconjunto. Las combinaciones <strong>de</strong>l conjunto referencia se realizaron por parejas, en<br />
total se obtienen 25 combinaciones por iteración. La actualización <strong>de</strong>l conjunto referencia se hizo<br />
en forma dinámica, consi<strong>de</strong>rando únicamente <strong>la</strong>s soluciones <strong>de</strong> mejor calidad. Los criterios <strong>de</strong><br />
<strong>para</strong>da son, un número máximo <strong>de</strong> iteraciones o en su <strong>de</strong>fecto, que el conjunto referencia no haya<br />
sido actualizado <strong>de</strong>spués <strong>de</strong> 30 iteraciones. El trabajo que sirvió como base <strong>para</strong> realizar el<br />
presente análisis se encuentra reportado en Castillo [5].<br />
3.3. Búsqueda Tabú<br />
Esta técnica se implementó utilizando un tamaño <strong>de</strong> lista tabú variable entre 6 y 15. Debido al<br />
costo en <strong>la</strong> evaluación <strong>de</strong> <strong>la</strong> función objetivo, únicamente se revisa el 40% <strong>de</strong> <strong>la</strong> vecindad en cada<br />
iteración. Se utilizó el concepto <strong>de</strong> memoria <strong>la</strong>rga con un vector <strong>de</strong> frecuencias Fv <strong>de</strong> tamaño 95,<br />
don<strong>de</strong> cada entrada correspon<strong>de</strong> a cada una <strong>de</strong> <strong>la</strong>s posiciones axiales <strong>de</strong> cada barra <strong>de</strong> control (5<br />
barras <strong>de</strong> control x 19 posibles posiciones cada una). La actualización <strong>de</strong> dicho vector se realiza<br />
<strong>de</strong> <strong>la</strong> siguiente manera Fv = Fv + 2 cuando una posición axial <strong>de</strong> alguna <strong>de</strong> <strong>la</strong>s 5 barras <strong>de</strong> control<br />
es utilizada. Por otro <strong>la</strong>do, se implementó un criterio <strong>de</strong> aspiración <strong>de</strong> objetivo global, esto es, si<br />
en <strong>la</strong> iteración k <strong>la</strong> solución obtenida es mejor que cualquiera <strong>de</strong> <strong>la</strong>s que se tienen hasta dicha<br />
iteración, pero <strong>la</strong> solución tiene asignado el estatus tabú, éste no se toma en cuenta <strong>para</strong><br />
consi<strong>de</strong>rar <strong>la</strong> solución encontrada. Finalmente, se implementó el siguiente criterio <strong>para</strong> <strong>la</strong><br />
intensificación <strong>de</strong> <strong>la</strong> búsqueda, al realizar <strong>la</strong> búsqueda <strong>de</strong> vecinos en cada iteración, se com<strong>para</strong> el<br />
valor encontrado <strong>de</strong> cada vecino con el mejor vecino <strong>de</strong> <strong>la</strong> iteración anterior, en el momento en el<br />
que algún vecino mejore dicho valor se concluye <strong>la</strong> búsqueda, aún cuando no se haya revisado el<br />
40% <strong>de</strong> <strong>la</strong> vecindad. En caso <strong>de</strong> que el lector <strong>de</strong>see profundizar en <strong>la</strong> implementación se sugiere<br />
revisar Castillo [9].<br />
3.4. Colonias <strong>de</strong> Hormigas<br />
La implementación <strong>de</strong> esta técnica proviene <strong>de</strong>l trabajo reportado en Ortiz et al, el cual se basa en<br />
el algoritmo Ant Colony System (Dorigo [11]) con 25 hormigas en <strong>la</strong> colonia. El sistema<br />
minimiza <strong>la</strong>s diferencias entre un perfil axial <strong>de</strong> potencia objetivo y el obtenido, <strong>de</strong> modo que se<br />
cump<strong>la</strong>n los límites térmicos y que el reactor sea crítico. Al inicio <strong>de</strong>l ciclo los perfiles axiales<br />
objetivo presentan un pico en <strong>la</strong> zona baja <strong>de</strong>l reactor <strong>para</strong> favorecer <strong>la</strong> cría <strong>de</strong> plutonio, por<br />
medio <strong>de</strong>l corrimiento espectral. Conforme avanza el ciclo, el perfil se va ap<strong>la</strong>nando y<br />
eventualmente el pico pue<strong>de</strong> presentarse en <strong>la</strong> parte alta <strong>de</strong>l reactor. De este modo, es posible<br />
a<strong>la</strong>rgar <strong>la</strong> longitud <strong>de</strong>l ciclo <strong>de</strong> operación. Cada hormiga <strong>de</strong> <strong>la</strong> colonia hace un recorrido por <strong>la</strong>s 5<br />
barras <strong>de</strong> control marcadas en <strong>la</strong> Figura 1 y <strong>de</strong>ci<strong>de</strong> en don<strong>de</strong> colocar <strong>la</strong> barra en función <strong>de</strong> <strong>la</strong><br />
feromona acumu<strong>la</strong>da y <strong>de</strong> una reg<strong>la</strong> heurística. Una vez encontrado el patrón <strong>de</strong> barras <strong>de</strong> control<br />
<strong>de</strong> un paso <strong>de</strong> quemado, este es alimentado como solución inicial al siguiente paso <strong>de</strong> quemado<br />
vía un rastro <strong>de</strong> feromona.<br />
Memorias CIC Cancún 2007 en CDROM 306 Proceedings IJM Cancún 2007 on CDROM
3.5. Re<strong>de</strong>s Neuronales<br />
Autor A et al, Título <strong>de</strong>l Trabajo a Presentar…<br />
El sistema (Mejía [8]) empleado <strong>para</strong> esta técnica, utiliza <strong>la</strong> red neuronal recurrente multi estado<br />
creada por Mérida [12]. Esta red neuronal consiste <strong>de</strong> una so<strong>la</strong> capa <strong>de</strong> 5 neuronas (una <strong>para</strong> cada<br />
barra <strong>de</strong> control) conectadas entre sí. Una característica especial <strong>de</strong> este tipo <strong>de</strong> red es que no se<br />
entrena y los pesos entre <strong>la</strong>s neuronas se <strong>de</strong>terminan <strong>de</strong> acuerdo al comportamiento que se quiere<br />
<strong>para</strong> <strong>la</strong> red neuronal. Los pesos entonces, se insertan en una función <strong>de</strong> energía, que en este caso<br />
particu<strong>la</strong>r tiene <strong>la</strong> forma <strong>de</strong> <strong>la</strong> ecuación (1). Es importante <strong>de</strong>cir que los factores <strong>de</strong> peso<br />
involucrados en dicha ecuación, no son los pesos <strong>de</strong> conexión entre <strong>la</strong>s neuronas, ya que estos<br />
últimos tienen valores <strong>de</strong> 1. Las neuronas cambian sus estados neuronales <strong>de</strong> modo que <strong>la</strong><br />
función <strong>de</strong> energía se minimice. Para este diseño, los estados neuronales son números enteros<br />
pares en el rango 00 a 48 (al igual que <strong>la</strong>s posiciones <strong>de</strong> <strong>la</strong>s barras <strong>de</strong> control). Una vez<br />
encontrado el patrón <strong>de</strong> barras <strong>de</strong> control <strong>de</strong> un paso <strong>de</strong> quemado, éste es alimentado como<br />
solución inicial al siguiente paso <strong>de</strong> quemado inicializando los estados neuronales con los <strong>de</strong>l<br />
patrón <strong>de</strong> barras.<br />
4. COMPARACIÓN DE RESULTADOS<br />
Para llevar a cabo <strong>la</strong> com<strong>para</strong>ción entre <strong>la</strong>s diferentes técnicas se eligió un ciclo <strong>de</strong> equilibrio <strong>de</strong><br />
18 meses diseñado <strong>para</strong> <strong>la</strong> Central Nucleoeléctrica <strong>de</strong> Laguna Ver<strong>de</strong>, don<strong>de</strong> el valor <strong>de</strong> keff al final<br />
<strong>de</strong>l ciclo es <strong>de</strong> 0.9928 <strong>para</strong> un quemado <strong>de</strong> 10896 MWD/T a plena potencia. Los criterios<br />
utilizados <strong>para</strong> <strong>la</strong> com<strong>para</strong>ción son los siguientes: cumplimiento <strong>de</strong> los límites térmicos MFLPD<br />
(Fracción máxima <strong>de</strong> <strong>la</strong> <strong>de</strong>nsidad <strong>de</strong> potencia al final <strong>de</strong>l ciclo <strong>de</strong> operación), MPGR (Tasa<br />
máxima <strong>de</strong> generación <strong>de</strong> potencia al final <strong>de</strong>l ciclo <strong>de</strong> operación) y MFLCPR (Fracción<br />
máxima <strong>para</strong> <strong>la</strong> razón <strong>de</strong> potencia crítica al final <strong>de</strong>l ciclo <strong>de</strong> operación), valor <strong>de</strong> <strong>la</strong> keff al final<br />
<strong>de</strong>l ciclo, número <strong>de</strong> evaluaciones <strong>de</strong> <strong>la</strong> función objetivo realizadas, número total <strong>de</strong> iteraciones<br />
por ejecución, tiempo <strong>de</strong> CPU utilizado, número <strong>de</strong> movimientos realizados y finalmente, el<br />
número <strong>de</strong> intercambios entre <strong>la</strong>s posiciones someras y profundas. Para el análisis se<br />
consi<strong>de</strong>raron 12 pasos <strong>de</strong> quemado (Tab<strong>la</strong> I) y <strong>la</strong> recarga permanece fija durante todo el ciclo <strong>de</strong><br />
operación.<br />
Con <strong>la</strong> i<strong>de</strong>a <strong>de</strong> tener un panorama más c<strong>la</strong>ro sobre los resultados obtenidos con cada una <strong>de</strong> <strong>la</strong>s<br />
técnicas empleadas, se incluyen el mejor y el peor resultado <strong>de</strong> una serie <strong>de</strong> 10 ejecuciones. A<br />
pesar <strong>de</strong> que el diseño <strong>de</strong> patrones <strong>de</strong> barras <strong>de</strong> control, no tiene como objetivo principal<br />
maximizar <strong>la</strong> longitud <strong>de</strong>l ciclo, se consi<strong>de</strong>ra <strong>la</strong> keff al final <strong>de</strong>l ciclo como un criterio <strong>de</strong> calidad.<br />
En <strong>la</strong>s Tab<strong>la</strong>s II y III se muestran los límites térmicos <strong>de</strong> los mejores y peores resultados<br />
respectivamente, obtenidos con cada una <strong>de</strong> <strong>la</strong>s técnicas. Los límites se <strong>de</strong>notarán, en <strong>la</strong>s tab<strong>la</strong>s<br />
antes mencionadas, <strong>de</strong> <strong>la</strong> siguiente manera L1=MFLPD, L2=MPGR y L3=MFLCPR. En el mismo<br />
or<strong>de</strong>n <strong>de</strong> i<strong>de</strong>as cada fi<strong>la</strong> correspon<strong>de</strong> a un paso <strong>de</strong> quemado <strong>de</strong> los indicados en <strong>la</strong> Tab<strong>la</strong> I.<br />
Memorias CIC Cancún 2007 en CDROM Proceedings IJM Cancun 2007 on CDROM<br />
307
Congreso Internacional Conjunto Cancún 2007 / International Joint Meeting Cancun 2007<br />
Tab<strong>la</strong> I. Pasos <strong>de</strong> quemado utilizados.<br />
Paso <strong>de</strong> Quemado<br />
quemado (MWD/T)<br />
1 0<br />
2 1000<br />
3 2000<br />
4 3000<br />
5 4000<br />
6 5000<br />
7 6000<br />
8 7000<br />
9 8000<br />
10 9000<br />
11 10000<br />
12 10896<br />
Tab<strong>la</strong> II. Límites térmicos obtenidos con <strong>la</strong>s diferentes técnicas en el mejor caso.<br />
Algoritmos<br />
Genéticos<br />
Búsqueda<br />
Dispersa<br />
Búsqueda<br />
Tabú<br />
Colonias <strong>de</strong><br />
Hormigas<br />
Re<strong>de</strong>s<br />
Neuronales<br />
L1 L2 L3 L1 L2 L3 L1 L2 L3 L1 L2 L3 L1 L2 L3<br />
0.817 0.911 0.813 0.899 0.850 0.834 0.887 0.853 0.861 0.869 0.947 0.848 0.904 0.864 0.939<br />
0.848 0.893 0.771 0.901 0.865 0.817 0.899 0.859 0.823 0.826 0.901 0.843 0.801 0.762 0.902<br />
0.864 0.885 0.775 0.894 0.870 0.772 0.897 0.885 0.774 0.812 0.858 0.745 0.817 0.798 0.924<br />
0.824 0.849 0.786 0.898 0.898 0.773 0.891 0.899 0.775 0.870 0.879 0.875 0.835 0.809 0.877<br />
0.890 0.899 0.807 0.882 0.895 0.781 0.884 0.878 0.871 0.843 0.853 0.820 0.842 0.853 0.846<br />
0.877 0.867 0.840 0.886 0.903 0.796 0.883 0.892 0.816 0.826 0.867 0.823 0.864 0.887 0.844<br />
0.836 0.813 0.834 0.876 0.901 0.801 0.872 0.898 0.802 0.822 0.809 0.773 0.810 0.830 0.859<br />
0.793 0.773 0.826 0.822 0.844 0.825 0.843 0.852 0.840 0.827 0.805 0.796 0.741 0.782 0.957<br />
0.793 0.758 0.854 0.840 0.849 0.856 0.871 0.861 0.871 0.770 0.767 0.826 0.775 0.745 0.822<br />
0.879 0.832 0.875 0.841 0.834 0.877 0.883 0.878 0.898 0.806 0.834 0.866 0.751 0.770 0.842<br />
0.852 0.832 0.889 0.880 0.898 0.897 0.898 0.899 0.893 0.872 0.824 0.878 0.833 0.882 0.868<br />
0.847 0.799 0.875 0.862 0.913 0.895 0.865 0.916 0.894 0.871 0.822 0.858 0.764 0.810 0.840<br />
Tab<strong>la</strong> III. Límites térmicos obtenidos con <strong>la</strong>s diferentes técnicas en el peor caso.<br />
Algoritmos<br />
Genéticos<br />
Búsqueda<br />
Dispersa<br />
Búsqueda<br />
Tabú<br />
Colonias <strong>de</strong><br />
Hormigas<br />
Re<strong>de</strong>s<br />
Neuronales<br />
L1 L2 L3 L1 L2 L3 L1 L2 L3 L1 L2 L3 L1 L2 L3<br />
0.856 0.904 0.790 0.908 0.845 0.815 0.889 0.861 0.800 0.828 0.891 0.928 0.933 0.894 0.785<br />
0.833 0.885 0.782 0.902 0.863 0.819 0.890 0.858 0.808 0.863 0.891 0.776 0.908 0.865 0.764<br />
0.861 0.880 0.738 0.891 0.879 0.810 0.860 0.877 0.829 0.857 0.853 0.922 0.890 0.870 0.765<br />
0.860 0.861 0.778 0.886 0.892 0.772 0.892 0.897 0.778 0.837 0.878 0.777 0.859 0.828 0.779<br />
0.885 0.868 0.762 0.893 0.899 0.793 0.890 0.876 0.803 0.855 0.844 0.889 0.876 0.889 0.781<br />
0.872 0.865 0.821 0.883 0.901 0.795 0.873 0.895 0.792 0.896 0.875 0.882 0.878 0.900 0.789<br />
0.793 0.772 0.812 0.873 0.899 0.800 0.880 0.884 0.816 0.882 0.860 0.887 0.834 0.822 0.802<br />
0.794 0.773 0.827 0.817 0.839 0.823 0.822 0.847 0.840 0.811 0.789 0.912 0.784 0.723 0.830<br />
0.763 0.742 0.868 0.842 0.856 0.857 0.836 0.830 0.868 0.775 0.754 0.832 0.744 0.786 0.895<br />
0.798 0.780 0.874 0.844 0.837 0.879 0.849 0.836 0.892 0.798 0.775 0.851 0.829 0.878 0.883<br />
0.834 0.810 0.896 0.882 0.891 0.887 0.842 0.858 0.899 0.881 0.830 0.873 0.850 0.900 0.915<br />
0.819 0.774 0.869 0.855 0.906 0.889 0.840 0.888 0.890 0.822 0.777 0.845 0.788 0.835 0.870<br />
Memorias CIC Cancún 2007 en CDROM 308 Proceedings IJM Cancún 2007 on CDROM
Autor A et al, Título <strong>de</strong>l Trabajo a Presentar…<br />
Por otro <strong>la</strong>do, en <strong>la</strong>s Tab<strong>la</strong>s IV y V se muestran los mejores y peores resultados respectivamente,<br />
obtenidos <strong>para</strong> <strong>la</strong> keff al final <strong>de</strong>l ciclo, el número total <strong>de</strong> evaluaciones <strong>de</strong> <strong>la</strong> función objetivo, el<br />
número <strong>de</strong> iteraciones y el tiempo <strong>de</strong> CPU utilizado por <strong>la</strong> ejecución respectiva.<br />
Tab<strong>la</strong> IV. Otros Parámetros obtenidos en el mejor caso.<br />
keff Evaluaciones Iteraciones CPU<br />
<strong>de</strong> <strong>la</strong> función<br />
(segundos)<br />
Algoritmos Genéticos 0.9915 13750 550 29921<br />
Búsqueda Dispersa 0.9948 41326 1653 114169<br />
Búsqueda Tabú 0.9946 12109 684 33332<br />
Colonias <strong>de</strong> Hormigas 0.9950 13750 550 30060<br />
Re<strong>de</strong>s Neuronales 0.9926 2530 110 5407<br />
Tab<strong>la</strong> V. Otros parámetros obtenidos en el peor caso.<br />
keff Evaluaciones<br />
<strong>de</strong> <strong>la</strong><br />
función<br />
Memorias CIC Cancún 2007 en CDROM Proceedings IJM Cancun 2007 on CDROM<br />
309<br />
Iteraciones CPU<br />
(segundos)<br />
Algoritmos Genéticos 0.9910 13750 550 29925<br />
Búsqueda Dispersa 0.9943 31451 1258 87435<br />
Búsqueda Tabú 0.9935 9006 552 24913<br />
Colonias <strong>de</strong> Hormigas 0.9918 13750 550 30058<br />
Re<strong>de</strong>s Neuronales 0.9917 2530 110 5408<br />
A continuación en <strong>la</strong>s Tab<strong>la</strong>s VI y VII se muestran el número total <strong>de</strong> movimientos realizados, así<br />
como el número <strong>de</strong> intercambios entre posiciones someras y profundas. En forma análoga, a <strong>la</strong>s<br />
anteriores tab<strong>la</strong>s, <strong>la</strong> Tab<strong>la</strong> VI muestra los mejores resultados, mientras que <strong>la</strong> Tab<strong>la</strong> VII incluye<br />
los peores resultados, <strong>de</strong> cada una <strong>de</strong> <strong>la</strong>s técnicas analizadas.<br />
Tab<strong>la</strong> VI. Movimientos <strong>de</strong> <strong>la</strong>s barras en el mejor caso.<br />
Algoritmos<br />
Genéticos<br />
Búsqueda<br />
Dispersa<br />
Búsqueda<br />
Tabú<br />
Colonias <strong>de</strong><br />
Hormigas<br />
Re<strong>de</strong>s<br />
Neuronales<br />
Movimientos<br />
totales<br />
Intercambios entre posiciones<br />
someras y profundas<br />
39 14<br />
43 12<br />
45 15<br />
47 13<br />
52 23
Congreso Internacional Conjunto Cancún 2007 / International Joint Meeting Cancun 2007<br />
Tab<strong>la</strong> VII. Movimientos <strong>de</strong> <strong>la</strong>s barras en el peor caso.<br />
Algoritmos<br />
Genéticos<br />
Búsqueda<br />
Dispersa<br />
Búsqueda<br />
Tabú<br />
Colonias <strong>de</strong><br />
Hormigas<br />
Re<strong>de</strong>s<br />
Neuronales<br />
Movimientos<br />
totales<br />
Intercambios entre<br />
posiciones someras<br />
y profundas<br />
37 12<br />
38 8<br />
51 22<br />
43 18<br />
39 10<br />
Para concluir <strong>la</strong> exposición <strong>de</strong> los resultados, en <strong>la</strong>s Figuras 2 y 3 se muestran gráficas <strong>de</strong> barras<br />
con los resultados <strong>para</strong> keff al final <strong>de</strong>l ciclo, con <strong>la</strong> misma filosofía, esto es, <strong>la</strong> primera <strong>de</strong> estas<br />
contiene los mejores resultados y <strong>la</strong> segunda figura incluye los peores resultados. Con el fin <strong>de</strong><br />
com<strong>para</strong>r, en ambas gráficas se incluye el valor <strong>de</strong> referencia <strong>para</strong> el ciclo <strong>de</strong> equilibrio reportado<br />
por CM-PRESTO [13].<br />
keff<br />
0.996<br />
0.995<br />
0.994<br />
0.993<br />
0.992<br />
0.991<br />
0.99<br />
0.989<br />
Referencia Algoritmos<br />
Genéticos<br />
k eff al final <strong>de</strong>l ciclo<br />
Búsqueda<br />
Dispersa<br />
Búsqueda<br />
Tabú<br />
Técnica empleada<br />
Colonias <strong>de</strong><br />
Hormigas<br />
Figura 2. keff al final <strong>de</strong>l ciclo en el mejor caso.<br />
Re<strong>de</strong>s<br />
Neuronales<br />
Memorias CIC Cancún 2007 en CDROM 310 Proceedings IJM Cancún 2007 on CDROM
keff<br />
0.995<br />
0.994<br />
0.993<br />
0.992<br />
0.991<br />
0.99<br />
0.989<br />
Referencia Algoritmos<br />
Genéticos<br />
Autor A et al, Título <strong>de</strong>l Trabajo a Presentar…<br />
k eff al final <strong>de</strong>l ciclo<br />
Búsqueda<br />
Dispersa<br />
Memorias CIC Cancún 2007 en CDROM Proceedings IJM Cancun 2007 on CDROM<br />
311<br />
Búsqueda<br />
Tabú<br />
Técnica empleada<br />
Colonias <strong>de</strong><br />
Hormigas<br />
Figura 3. keff al final <strong>de</strong>l ciclo en el peor caso.<br />
5. CONCLUSIONES<br />
Re<strong>de</strong>s<br />
Neuronales<br />
El mejor valor <strong>para</strong> keff al final <strong>de</strong>l ciclo (0.9950) se obtiene con <strong>la</strong> Colonia <strong>de</strong> Hormigas (Figura<br />
2), no obstante es importante analizar los resultados globales <strong>para</strong> tener una visión más completa<br />
<strong>de</strong> <strong>la</strong>s posibles conclusiones. En <strong>la</strong> Tab<strong>la</strong> II se pue<strong>de</strong> observar que en el primer paso <strong>de</strong> quemado<br />
el límite térmico MPGR se exce<strong>de</strong> <strong>de</strong> <strong>la</strong> restricción impuesta (0.947 contra 0.93) lo cual podría<br />
indicar un problema <strong>para</strong> <strong>la</strong> seguridad <strong>de</strong>l reactor.<br />
Con <strong>la</strong> observación anterior, se pue<strong>de</strong> verificar en <strong>la</strong> Tab<strong>la</strong> II y <strong>la</strong> Figura 2 que tomando como<br />
base estos dos criterios, esto es, <strong>la</strong> keff al final <strong>de</strong>l ciclo y el cumplimiento <strong>de</strong> los límites térmicos,<br />
el mejor <strong>de</strong>sempeño lo tiene <strong>la</strong> Búsqueda Dispersa. El valor obtenido con ésta última es <strong>de</strong><br />
0.9948 con todos los límites térmicos por <strong>de</strong>bajo <strong>de</strong> <strong>la</strong> restricción impuesta.<br />
Observando <strong>la</strong> Tab<strong>la</strong> III se pue<strong>de</strong> verificar que con los peores resultados, <strong>la</strong> Colonia <strong>de</strong> Hormigas<br />
satisface los límites térmicos en todo el ciclo; sin embargo, ya no se obtiene el mejor resultado<br />
<strong>para</strong> keff, <strong>de</strong> hecho el valor <strong>para</strong> dicho parámetro está por <strong>de</strong>bajo <strong>de</strong>l valor <strong>de</strong> referencia (0.9926<br />
contra 0.9928). El mejor valor <strong>para</strong> <strong>la</strong> keff con los peores resultados nuevamente se obtiene con <strong>la</strong><br />
Búsqueda Dispersa (Figura 3).<br />
De <strong>la</strong>s Tab<strong>la</strong>s II y III se observa que <strong>la</strong>s Re<strong>de</strong>s Neuronales no satisfacen algún límite térmico en<br />
algún punto <strong>de</strong> quemado. En <strong>la</strong>s otras técnicas se cumplen los límites térmicos <strong>para</strong> todo el ciclo<br />
en el mejor y peor <strong>de</strong> los resultados.<br />
Tomando como base los dos criterios anteriores, los Algoritmos Genéticos y <strong>la</strong>s Re<strong>de</strong>s<br />
Neuronales son los que obtienen un <strong>de</strong>sempeño más bajo, en ambos casos no se cumple con el<br />
valor <strong>de</strong> referencia (Figuras 2 y 3). Por el contrario, el mejor <strong>de</strong>sempeño lo tiene <strong>la</strong> Búsqueda<br />
Dispersa, lo cual se acentúa si se toma en cuenta que los resultados en <strong>la</strong>s diferentes ejecuciones<br />
son consistentes, esto es, no varían mucho bajo <strong>la</strong>s mismas condiciones.
Congreso Internacional Conjunto Cancún 2007 / International Joint Meeting Cancun 2007<br />
Consi<strong>de</strong>rando los recursos requeridos por <strong>la</strong>s diferentes metodologías, <strong>de</strong> <strong>la</strong>s Tab<strong>la</strong>s IV y V se<br />
pue<strong>de</strong> observar que <strong>la</strong> técnica que más recursos utiliza es <strong>la</strong> Búsqueda Dispersa, siendo este<br />
requerimiento <strong>de</strong>l or<strong>de</strong>n <strong>de</strong> 4 veces lo requerido por <strong>la</strong> Búsqueda Tabú y <strong>la</strong> Colonia <strong>de</strong> Hormigas.<br />
Estas dos últimas requieren tiempos <strong>de</strong> CPU muy simi<strong>la</strong>res. Por otro <strong>la</strong>do, <strong>la</strong>s Re<strong>de</strong>s Neuronales<br />
requieren <strong>de</strong> pocos recursos, llegando a ser casi 20 veces menor que <strong>la</strong> Búsqueda Dispersa,<br />
aunque los resultados obtenidos no son satisfactorios. Esta técnica ha dado buenos resultados con<br />
otros problemas en don<strong>de</strong> <strong>la</strong> red neuronal tiene varias <strong>de</strong>cenas <strong>de</strong> neuronas. Se pue<strong>de</strong> concluir<br />
entonces, que esta red neuronal no funciona bien con pocas neuronas ya que se estanca en un<br />
mínimo local en pocas iteraciones y por eso en <strong>la</strong>s Tab<strong>la</strong>s IV y V se aprecian pocas iteraciones.<br />
Sin embargo, se <strong>de</strong>be resaltar el hecho <strong>de</strong> que con pocas iteraciones se obtiene un resultado<br />
aceptable que podría ser usado como solución inicial <strong>para</strong> <strong>la</strong> Búsqueda Dispersa, por ejemplo.<br />
Ahora bien, si se toma en cuenta los movimientos realizados y los intercambios entre <strong>la</strong>s<br />
posiciones profundas y someras; los resultados entre <strong>la</strong>s 3 técnicas con mejor <strong>de</strong>sempeño<br />
(Búsqueda Dispersa, Colonias <strong>de</strong> Hormigas y Búsqueda Tabú) son muy simi<strong>la</strong>res (Tab<strong>la</strong>s VI y<br />
VII), si acaso con una ligera mejoría en el caso <strong>de</strong> <strong>la</strong> Búsqueda Dispersa.<br />
En conclusión, <strong>la</strong> Búsqueda Dispersa presenta mejores resultados con respecto a <strong>la</strong> Búsqueda<br />
Tabú y a <strong>la</strong> Colonia <strong>de</strong> Hormigas, no obstante, los recursos consumidos por <strong>la</strong> primera podrían<br />
ser un inconveniente, en caso <strong>de</strong> no contar con éstos. Es importante resaltar que resulta<br />
primordial aumentar el número <strong>de</strong> ejecuciones en todas <strong>la</strong>s técnicas <strong>para</strong> remarcar <strong>la</strong>s<br />
conclusiones aquí vertidas, no obstante, el presente análisis es una primera aproximación en<br />
dicho sentido.<br />
AGRADECIMIENTOS<br />
Los autores agra<strong>de</strong>cen al CONACyT por el apoyo brindado al presente trabajo a través <strong>de</strong>l<br />
proyecto SEP-2004-C01-46694, al ININ a través <strong>de</strong>l proyecto CA-610 y al Departamento <strong>de</strong><br />
Gestión <strong>de</strong> Combustible <strong>de</strong> <strong>la</strong> CFE por <strong>la</strong> información proporcionada.<br />
REFERENCIAS<br />
1. Terney W., Fenech H., “Control Rod Programming Optimization Using Dynamic<br />
Programming”, Nuclear Science and Engineering, vol. 39, p. 109-118 (1970).<br />
2. Motoda H., “Optimization of Control Rod Programming and Loading Pattern in Multiregion<br />
Nuclear Reactor by the Method of Approximation Programming”, Nuclear Technology, vol.<br />
49, p. 515-526 (1972).<br />
3. Hayase T., Motoda H., “Boiling Water Reactor Control Rod Programming Using Heuristic<br />
and Mathematical Methods”, Nuclear Technology, vol. 48, p. 91-100 (1980).<br />
4. Montes J., Ortíz J., Requena I., Perusquía R., “Searching for Full Power Control Rod Patterns<br />
in a Boiling Water Reactor Using Genetic Algorithms”, Annals of Nuclear Energy, vol. 31, p.<br />
1939-1954 (2004).<br />
Memorias CIC Cancún 2007 en CDROM 312 Proceedings IJM Cancún 2007 on CDROM
Autor A et al, Título <strong>de</strong>l Trabajo a Presentar…<br />
5. Francois J., Martín <strong>de</strong>l Campo C., Tavares A., “Development of a BWR Control Rod Pattern<br />
Design Based on Fuzzy Logic and Knowledge”, Annals of Nuclear Energy, vol. 31, p. 343-<br />
356 (2004).<br />
6. Castillo A., Ortiz J., Perusquía R., Montes J., Hernán<strong>de</strong>z J., “Control Rod Pattern Design<br />
Using Scatter Search”, ICAPP 2007, Nice, France, May 13-18 (2007).<br />
7. J. J. Ortiz and I. Requena, “Azcatl-CRP: An Ant Colony-based System for Searching Full<br />
Power Control Rod Patterns in BWRs”, Annals of Nuclear Energy, vol. 33, p. 30-36 (2006).<br />
8. Mejía D., Ortiz J., “Control Rod Patterns Optimization using Neural Networks”, The 9th<br />
World Multi-Conference on Systemics, Cybernetics and Informatics, Or<strong>la</strong>ndo, Florida, USA,<br />
july 10-13 (2005).<br />
9. Castillo A., Ortiz J., Alonso G., Morales L., <strong>de</strong>l Valle E., “BWR Control Rod Design Using<br />
Tabu Search”, Annals of Nuclear Energy, vol. 32, p. 741-754 (2005).<br />
10. Almenas K., Lee R., Nuclear Engineering: An Introduction, Springer Ver<strong>la</strong>g, New York,<br />
USA (1992).<br />
11. Dorigo, M., Gambar<strong>de</strong>l<strong>la</strong>, L., “Ant colony system: a cooperative learning approach to the<br />
traveling salesman problem”, IEEE Transactions on Evolutionary Computation, vol. 1, p. 73–<br />
81 (1997).<br />
12. Mérida, E., Ga<strong>la</strong>n, G., Muñoz, J., “An efficient multivalued hopfield network for the traveling<br />
salesman problem”, Neural Processing Letters, vol. 14, p. 203–216 (2001).<br />
13. Scandpower AS, User Manual CM-PRESTO 9 Version CM914B, Rev. 6, July 16 (1993).<br />
14. Glover F., “Tabu Search-Part I”, ORSA Journal on Computing, vol. 1, No. 3, p. 190-206<br />
(1989).<br />
15. Glover F., “Tabu Search-Part II”, ORSA Journal on Computing, vol. 2, No. 1, p. 4-32 (1990).<br />
16. Laguna M., Martí R., Scatter Search Methodology and Implementations in C, Kluwer<br />
Aca<strong>de</strong>mic Publishers, Boston, USA (2003).<br />
Memorias CIC Cancún 2007 en CDROM Proceedings IJM Cancun 2007 on CDROM<br />
313