ابوالفضل بنی اسدی مقدم
-
یکی از راهکارهای مقابله با مسایل مربوط به توزیع زمانی و مکانی نامناسب منابع آبی، استفاده بهینه از مخازن سدها است. سیستم های مخزنی به تحلیل، مدیریت صحیح و بهره برداری مناسب از منابع آب می پردازد و سعی دارد که سیستم های منابع آب را به گونه ای طراحی نماید که اهداف خاصی همچون تولید انرژی برقابی، تامین آب شرب و کشاورزی، کنترل سیلاب های مخرب و غیره را با توجه به مجموعه ای از محدودیت ها، به صورت بهینه تحقق بخشد. به همین منظور در این تحقیق تابع هدف کمینه سازی مجموع توان دوم اختلاف نیاز کشاورزی از رهاسازی برای حل مسیله بهینه سازی بهره برداری از مخزن سد امیرکبیر مورد استفاده قرار گرفته است. هدف از این تحقیق بررسی کارایی نسخه تک هدفه الگوریتم هایی مانند الگوریتم چندجهانی و ژنتیک بوده و همچنین کارایی ترکیبی از این دو الگوریتم (MVGA) نیز مورد بررسی قرار گرفت. نتایج حاصل از بررسی الگوریتم های چندجهانی، ژنتیک و MVGA نشان داد که الگوریتم MVGA مشابه با GA در تعداد تکرار کمتر به ترتیب با مقادیر تابع هدف 29/24 و 22/24 جواب بهتری نسبت به الگوریتم MVO با مقدار تابع هدف 14/29 پیدا می نماید. نتایج این تحقیق نشان داد که برای افزایش کارایی یک الگوریتم می توان آن را با الگوریتم دیگری ترکیب نمود. در این تحقیق ترکیب الگوریتم ژنتیک با الگوریتم چندجهانی باعث بهبود عملکرد الگوریتم چندجهانی به میزان 64/16 درصد شده است.
کلید واژگان: الگوریتم چند هدفه, الگوریتم ژنتیک, الگوریتم چندجهانی, الگوریتم ترکیبی, معیارهای عملکردOne of the solutions to deal with improper temporal and spatial distribution of water resources problems is the optimal use of dam reservoirs. Reservoir systems analyze, properly, manages and properly utilizes water resources and tries to design water resources systems in such a way that specific purpose such as hydropower generation, drinking water supply and agriculture, control of destructive floods, according to a set of Implement the constraints optimally. For this purpose, in this study, the objective function of minimizing the total power of the difference between the demand of agriculture and release has been used to solve the problem of optimizing the operation of the Amirkabir reservoir. The purpose of this study was to evaluate the performance of single-objective versions of algorithms such as multi-verse optimizer and genetic algorithm, as well as the performance of a combination of these two algorithms (MVGA). The results of the study of meta-heuristic algorithms indicated that among the multi-verse, genetic algorithm and MVGA algorithm, the MVGA algorithm similar to GA has a lower number of iterations with objective function values of 24.29 and 24.22, respectively, better than the MVO algorithm with objective function values 29.14. The results of this study showed that to increase the efficiency of one algorithm, it can be combined with another algorithm. In this study, the combination of genetic algorithm with multi-world algorithm has improved the performance of multi-world algorithm by 16.64%.
Keywords: Multi-objective Algorithm, genetic algorithm, Multiverse Algorithm, Hybrid Algorithm, Performance Criteria
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.