由于搜索空间异常庞大,如何快速地得到既安全又经济的换料方案至尽仍然是一项极具挑战性的工作。作为随机性的优化算法,模拟退火算法和遗传算法在换料优化中的应用已被广泛研究,但是由于缺少基准问题完整的解空间信息,因此一直没有对它们搜索优化布料方案的有效性给出定量化的评价。本文利用自行构造的已枚举所有布料方案并完成方案评价的压水堆布料优化基准问题,以所定义的可行解的搜索效率和搜索到的优化解的质量为评价指标,对模拟退火算法和遗传算法搜索优化布料方案的机理进行了研究,并对上述两项指标作了定量化的说明。最后,对新的布料优化方法作了探讨。首先,利用自行构造的已枚举所有布料方案并完成方案评价的压水堆布料优化基准问题,对应用较为普遍的以组件随机两两交换方式进行解域搜索的模拟退火算法进行了研究,揭示了算法的物理机理,并首次定量给出了算法的搜索效率。研究表明,一般而言,当目标函数固定时,由不同的初始方案出发或者是在不同的冷却进度表下,模拟退火算法的搜索效率和搜索到的优化解的质量变化不大。但是由于模拟退火算法搜索过程中随机数的影响,导致某些个别例外现象的出现,使得这些情况下的优化结果偏离平均值较远。研究还表明,用组件“十”字平均K∞分布的约束来过滤非可行解非常有效,结合模拟退火算法使用可获得非常高的搜索效率。其次,利用一个已知完整解空间信息的较小规模的基准问题,对遗传算法搜索优化布料方案的机理和效率进行了研究,先给出了常规的遗传算法的优化结果,由于常规的遗传算法在产生新方案时缺乏有效的物理机制加以引导,这导致算法容易早熟,且搜索效率相对较低。本文采用年龄代、相似度和价值函数等新技术对用于堆芯换料优化的遗传算法加以改进,其中年龄技术赋予了算法及时总结前一阶段方案搜索“经验”、引导算法更好地在局部最优邻域内进行搜索的能力;在对方案进行杂交之前首先评估两个方案的相似度,则避免了对两个过于相似的方案进行杂交,从而防止算法早熟;价值函数的运用赋予算法依据较优方案共性特征的统计来产生新方案的能力。数值检验说明,经改进的遗传算法可显著提高算法的搜索效率,同时也使优化解的质量得以提高。此外,本文基于此较小规模的基准问题,对模拟退火算法和遗传算法的搜索效率进行了定量化的比较。最后,本文提出了一种新的布料优化方法,由于该方法除了在初始代的生成中有随机因素的影响外,其他过程都是确定的,这使得搜索空间过小,收敛过快,导致最终搜索到的优化解的质量不是很理想。此方法仍需进一步的改进。