堆芯燃料管理优化就是在核电站所有的安全和工程限制条件下，对燃料循环作出决策，使核电厂获得最好的经济效益。如果只对单个循环独立地进行优化，则称之为单循环优化：如果将连续的几个循环作为一个整体来考虑进行优化，则称之为多循环优化。 单循环装料优化是燃料管理上最常用的一种优化，而且它也是进行多循环优化的基础，因此对于它的研究是有重要意义的。研究者查阅了大量参考文献，对各种单循环的优化方法进行了分析和比较，发现已有的优化方法都不很适合于直接套用在装料优化问题上。因为该优化问题的性质比较特殊(自变量之间的关联比较强烈，并且是二维相关的)，与已有算法所利用的性质都不很符合。 为了更好地解决单循环装料优化问题，开发了一种适应性更广，全局优化能力更强的新算法—统计归纳算法(SIA)。它可以利用问题本身最基本的性质，灵活地选取不同的统计项目，这样可以充分地利用优化问题本身的特性。将SIA算法应用在单循环装料优化问题上，在实际堆芯模型上的计算表明，它所需的计算时间只是SA和GA等算法的1/6，而优化结果却比它们更好。这充分证明了SIA算法更适合于堆芯装料优化问题。 对于多循环燃料换料优化问题，目前国际上还没有很好的解决办法。为了解决多循环优化问题，该文通过变量代换，将多循环优化问题中两种复杂的耦合关系分解开来，但是这样就使问题中产生了一个非常复杂的约束条件，使得该问题变成一个复杂约束非线性规划问题。 为了解决该约束非线性规划问题，该文开发了一种新的概率算法—概率逼近法(PAM)来求解它。利用一个随迭代进程不断收敛的概率条件来逐渐逼近原来严格的约束条件，最终有效地求解复杂约束非线性规划问题。 使用该方法编制了多循环优化程序，在一个实际核电站堆芯模型上作了计算。对于两种不同的多循环要求，多循环程序都得到了比依次单循环优化更好的结果，表明该多循环程序的确具有多循环优化效果。这同时也验证了所开发的求解复杂约束非线性规划问题的新算法—概率逼近法的有效性。