一种基于贝叶斯神经网络的辐射屏蔽多目标优化设计方法

本发明提供了一种基于贝叶斯神经网络的辐射屏蔽多目标优化设计方法，其特征在于，包括以下步骤：步骤S1：样本数据获取；步骤S2：网络构建与评价；步骤S3：鲁棒设计优化；该方法利用基于变分推断和KL散度推导的损失函数量化代理模型建模过程中的认知不确定性，获得一种考虑不确定性因素的核辐射屏蔽计算代理模型，通过构建的代理模型对多目标优化设计里的目标函数进行辐射屏蔽计算，结合鲁棒优化设计获得具有一定鲁棒性的Pareto最优解集。该方法在神经网络模型的权重上加入先验分布，然后获取这些权重在给定数据时的变化情况来衡量辐射屏蔽仿真中的认知不确定性，提高了优化结果的鲁棒性。