近年来,因电子加速器技术在工农业和医疗领域的重要作用,其发展迅速并创造了巨大的经济利益和社会效益。其中辐射屏蔽安全设计是加速器设计中的一个关键部分。加速器辐射屏蔽设计的安全合理,需要在保证剂量符合国家规定的条件下寻找符合体积小、重量轻、价格低、环境友好等要求的屏蔽方案,这是一个复杂的工程优化问题。传统辐射屏蔽设计方案通常基于手工迭代和设计者的经验而开展,因而会出现不确定性因素增加、设计周期长等问题,最终导致辐射屏蔽设计非最优方案,这种设计方法已无法满足加速器精确设计的要求。因此,利用现代多目标优化理论及方法解决屏蔽系统优化设计难题,已成为精确屏蔽设计的迫切需求。发展适用于安全轻量目标下,加速器屏蔽设计的多维度、多参数和多目标综合屏蔽设计高效智能优化算法对于加速器合理的辐射防护设计和工作人员的安全以及推进工业电子加速器的发展都具有非常重要的意义。本研究以无损检测加速器为研究对象,利用加速器的工程CAD模型和蒙特卡罗软件对加速器进行精确建模和模拟计算,并以此作为多目标优化设计的基础。然后将GA-BP神经网络与NSGA-Ⅱ多目标遗传算法有机结合,建立了加速器屏蔽设计多目标优化方法。最后利用MATLAB程序算法工具箱及其编程能力,通过在给定加速器屏蔽设计参数范围内全局寻优,获得了最优屏蔽设计参数组合。主要研究内容和创新如下:(1)基于无损检测加速器的工程CAD模型,利用SuperMC和MCNP软件,经过修复、简化、变换等一系列预处理将工程CAD模型转换为完整的MCNP文件。随后通过模拟计算定性地对加速器周围的辐射场分布进行分析,并结合国家相关标准对加速器防护性能的剂量学指标进行了比较,以此为基础进行加速器屏蔽设计的优化。(2)通过利用遗传算法对神经网络的连接权值和阈值进行优化,建立了利用GA-BP神经网络方法实现对于加速器屏蔽漏射率的高效、准确的预测模型,并将神经网络预测模型作为遗传算法适应度函数进行寻优,成功解决了遗传算法随机寻优的速度问题,极大地加快了加速器屏蔽设计的优化过程。(3)利用带精英策略的非支配排序遗传算法NSGA-Ⅱ对加速器屏蔽设计优化策略进行实例研究,通过协调多个设计目标间的协同优化关系,获得了使各个设计目标都处于相对较优的加速器屏蔽设计方案集合。然后,将其与蒙特卡罗模拟软件的模拟结果进行比较分析,验证了优化算法的准确性和有效性。将加速器屏蔽设计多目标优化方法与设计人员的经验相结合,可更高效地实现加速器多目标屏蔽优化设计。