《Radiation Physics and Chemistry》：Optimization of source pencil arrangements in gamma irradiation devices using particle swarm optimization algorithm
编辑推荐：
本研究首次将粒子群优化算法应用于两种γ辐照设备中，通过动态调整惯性权重并引入变异操作，优化钴-60源 pencils排列，使剂量均匀性比降低22.59%，最小吸收剂量提升17.16%，有效提升辐照均匀性和能源利用率。
边俊伟|刘芳|赵强|唐云超|甄雪莉|刘学峰|程金星|康思清
华北电力大学核科学与工程学院核能被动安全技术国家重点实验室，北京，102206，中国
摘要
辐照产品的剂量均匀性至关重要，而源笔的排列在实现伽马辐照过程中的剂量分布一致性中起着关键作用。本研究首次应用了基于MATLAB实现的粒子群优化算法，对两种类型的伽马辐照设备中的60Co源笔的排列进行了优化，旨在降低辐照过程中的剂量均匀性比率。该算法结合了线性递减的惯性权重和变异操作，在优化静态辐照设备的源笔排列方面表现出比传统算法及单独改进的算法更高的稳定性。与通过经验方法获得的排列相比，优化后的源笔排列使剂量均匀性比率降低了22.59%，同时最小吸收剂量增加了17.16%。对于动态伽马辐照设备，采用变异操作的粒子群优化算法使剂量均匀性比率降低了15.38%，最小吸收剂量增加了10.95%。本研究证实了使用粒子群优化进行源笔优化的可行性，并为传统的经验或试错方法提供了一种更高效的替代方案。
引言
由于辐射技术具有环保、安全且高效的特点，其在多个领域得到了广泛应用[1]。目前，伽马辐照设备因设计简单、可靠性高、建造成本低以及处理能力广泛而主导着全球市场[2]。这些设备在食品保存[2]、医疗器械灭菌[3]、材料改性[4]、环境处理[5]以及改善饮料风味[6][7]等方面发挥着重要作用。
这些设备的处理能力主要取决于所使用的辐射源。60Co（钴-60）是商业伽马辐照设备中最常用的辐射源。由于其半衰期为5.27年，必须定期更换或补充60Co源笔以保持或提升设备的处理能力。这些源笔在源架上的排列对伽马辐射场分布有重大影响，直接影响辐照产品的剂量均匀性和辐射源的能量利用效率[8]。相对均匀的剂量场可确保所有产品在接受辐照时达到规定的剂量范围，避免低于最低有效剂量的无效辐照或超过规定限制的过度辐照。此外，均匀的剂量场还能保证不同批次之间辐照效果的一致性，从而提高产品质量。研究表明，更均匀的剂量场会使辐照产品的最小剂量率更高，从而提高辐射能量的利用率并增加经济效益[9]。因此，剂量场的均匀性是伽马辐照设备中的关键剂量学参数，也是优化源笔排列的主要目标。
随着辐照服务的迅速扩展，相关设施的数量不断增加，对高质量剂量场的需求也随之增长。同时，源笔排列的复杂性也在增加。随着源笔数量的增加，可能的配置组合呈指数级增长。例如，在100个位置上排列20个具有不同活性的源笔，会产生大约1.3×1039种可能的排列方式。尽管存在这种复杂性，许多操作人员仍依赖经验规则或试错方法来确定源笔的排列。然而，这些方法耗时且效率低下，很难找到最优解。因此，迫切需要高效的智能算法来优化源笔的排列。
目前，利用智能算法优化辐照设备中源笔排列的研究仍然有限。大多数研究集中在静态辐照设备上，优化目标为参考平面的剂量均匀性[10][11][12]，而对于同时适用于静态和动态辐照设备的研究较少[13]。本文提出了一种基于PSO（粒子群优化）的方法，用于优化伽马辐照设备中60Co源笔的排列，旨在降低DUR（剂量均匀性比率），从而提高辐照产品的剂量均匀性。PSO是一种受鸟类觅食行为启发的启发式优化技术，能够高效地寻找复杂问题的最优解。在本研究中，我们利用PSO优化了北京原子高科技金辉辐射技术有限公司设计的两种类型辐照设备中辐照产品的DUR。此外，我们还评估了调整惯性权重和引入变异对优化结果的影响。我们的方法为改进源笔排列提供了理论和技术指导，并为提升伽马辐照设备的处理能力和辐照质量提供了实际途径。
研究方法
辐照方法
本研究重点关注两种工业伽马辐照设备，这两种设备均使用长度为45.1厘米、直径为1.1厘米的CN101型60Co源笔。多个源笔组合形成一个源模块，多个模块排列在源架上，构成网格状辐射源。例如本研究中的甘肃天辰辐照技术有限公司使用的伽马辐照设备，其源活度通常低于300 kCi。
结果与讨论
我们应用PSO算法优化了两种类型伽马辐照设备中60Co源笔的排列，目标是降低DUR（剂量均匀性比率）。在优化过程中，调整了PSO算法的惯性权重并引入了变异操作，以进一步验证所提方法的有效性。在本研究中，所有计算过程中建立的笛卡尔坐标系都以
结论
本研究首次开发了MATLAB代码，利用PSO算法优化了两种类型伽马辐照设备中60Co源笔的排列。通过最小化DUR来获得最优的源笔排列，并通过修改惯性权重和引入变异来改进PSO算法，以避免算法在优化过程中陷入局部最优解。
PSO算法结合了线性
作者贡献声明
边俊伟：撰写——初稿、可视化、软件开发、资源准备、数据分析、数据整理。刘芳：撰写——审阅与编辑、方法论设计、概念构思。甄雪莉：软件开发、资源准备。刘学峰：监督工作。赵强：撰写——审阅与编辑、数据调查。唐云超：撰写——审阅与编辑、可视化处理。程金星：监督工作。康思清：资源协调。
利益冲突声明
? 作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
