علیرضا مقدم؛ مجید منتصری؛ حسین رضایی
چکیده
مسئله بهرهبرداری از مخازن سدها به لحاظ تنوع تصمیمگیری و توابع هدف دارای پیچیدگیهایی است که گاهی اوقات حل آن ها با روشهای بهینه سازی سنتی امکانپذیر نیست و نیازمند صرف وقت و هزینه بسیار است. بنابراین استفاده از ابزارهای نوین و روشهای پیشرفته در حل این مسائل امری اجتناب ناپذیر می باشد. در این مقاله از یک نسخه ساده اصلاحی الگوریتم ...
بیشتر
مسئله بهرهبرداری از مخازن سدها به لحاظ تنوع تصمیمگیری و توابع هدف دارای پیچیدگیهایی است که گاهی اوقات حل آن ها با روشهای بهینه سازی سنتی امکانپذیر نیست و نیازمند صرف وقت و هزینه بسیار است. بنابراین استفاده از ابزارهای نوین و روشهای پیشرفته در حل این مسائل امری اجتناب ناپذیر می باشد. در این مقاله از یک نسخه ساده اصلاحی الگوریتم بهینه سازی ازدحام ذرات (SMPSO)، الگوریتم ژنتیک (GA) و یک الگوریتم هیبرید جدید به نام HGAPSO برای بهره برداری از مخزن سد دز با هدف تأمین آب استفاده گردید. الگوریتم HGAPSO بر مبنای ترکیبی بسیار ساده اما کارامد از دو الگوریتم GA و SMPSO می باشد که باعث شده است محدودیت هایی که هر کدام از این روش ها به تنهایی دارند کاهش یابد و در مقابل کارایی آن افزایش یابد. در این پژوهش از بین 40 سال آمار، داده های 5 سال ابتدایی (60 دوره ماهیانه) جریان ورودی به مخزن سد دز مورد استفاده قرار گرفت و پس از اعمال قیود در فرآیند بهینه سازی با استفاده از تابع پنالتی، برنامه مورد نظر برای 10 بار به صورت مستقل اجرا گردید. حداکثر تعداد تکرار برای هر بار اجرای برنامه 400 و تعداد جمعیت اولیه برای هر سه روش 100 انتخاب گردید. مقادیر میانگین تابع هدف برای الگوریتم های GA، SMPSO و HGAPSO به ترتیب 3457/1، 1581/1 و 9882/0 به دست آمد که HGAPSO با سرعت همگرایی بیشتری نسبت به دو روش GA و SMPSO در یافتن جواب بهینه تابع هدف عمل نمود. همچنین اختلاف بین نمودار میزان آب رها شده در برابر تقاضای ماهیانه با استفاده از روش HGAPSO بسیار کمتر از نمودارهای GA و SMPSO گردید. در نهایت نتایج نشان می دهد که HGAPSO در یافتن جواب بهینه نسبت به GA و PSO و سایر روش های پژوهش های پیشین موفق تر عمل نموده است.
علیرضا مقدم
چکیده
تصویر جلد نشریه
بیشتر
تصویر جلد نشریه
علیرضا مقدم؛ امین علیزاده؛ علی نقی ضیائی؛ علیرضا فریدحسینی؛ دانیال فلاح هروی
چکیده
الگوریتم ژنتیک به عنوان یکی از مهم ترین الگوریتم های تکاملی نقش بسیار موفقی در بهینه سازی شبکه های توزیع آب داشته است. این الگوریتم همواره دستخوش تغییرات و اصلاحات زیادی بوده و نسخه های بهبود یافته و متفاوتی از این الگوریتم منتشر شده است. یکی از انواع الگوریتم های ژنتیک، الگوریتم ژنتیک با آشفتگی سریع (FMGA) است که ضمن بررسی کروموزوم هایی ...
بیشتر
الگوریتم ژنتیک به عنوان یکی از مهم ترین الگوریتم های تکاملی نقش بسیار موفقی در بهینه سازی شبکه های توزیع آب داشته است. این الگوریتم همواره دستخوش تغییرات و اصلاحات زیادی بوده و نسخه های بهبود یافته و متفاوتی از این الگوریتم منتشر شده است. یکی از انواع الگوریتم های ژنتیک، الگوریتم ژنتیک با آشفتگی سریع (FMGA) است که ضمن بررسی کروموزوم هایی که از لحاظ رشتههای ژنی با هم برابر نیستند، این توانایی را دارد تا با کاهش طول کروموزم ها و حذف ژن های نامطلوب، سرعت همگرایی را در حل مسائل بهینه سازی افزایش دهد. در این مقاله به منظور بررسی قابلیت الگوریتم FMGA در حل مسائل بهینه سازی شبکههای توزیع آب، پس از آنالیز حساسیت و تعیین بهترین مقادیر پارامترهای این الگوریتم دو شبکه مرجع دو حلقه ای و هانوی و یک شبکه واقعی شهر جنگل مورد تحلیل و ارزیابی قرار گرفت و نتایج با پژوهش های قبلی مقایسه شد. با بهینه سازی شبکه دوحلقه ای، حداقل هزینه این شبکه در 2880 بارارزیابی تابع هدف بدست آمد که نسبت به نتایج پژوهش های قبلی بهبود قابل توجهی داشته است. در شبکه هانوی نیز حداقل هزینه106×045/6 دلار بدست آمد که کمتر از حداقل هزینه ای است که تاکنون در نتایج دیگر محققین ارائه شده است. پس از اثبات کارایی این الگوریتم در انتها عملکرد آن را در طراحی شبکه واقعی شهر جنگل با توجه به افزایش وسعت شبکه و قیود طراحی نشان داده شد.