پیوندهای مفید
آمار
| تعداد نشریات | 7 |
| تعداد شماره‌ها | 399 |
| تعداد مقالات | 5,389 |
| تعداد مشاهده مقاله | 5,288,012 |
| تعداد دریافت فایل اصل مقاله | 4,882,748 |
به کارگیری الگوریتم‌های فرا ابتکاری نوین برای بهره‌برداری تک هدفه از مخزن سد امیرکبیر | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 6، دوره 54، شماره 6، شهریور 1401، صفحه 2173-2188 اصل مقاله (927.19 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2021.18971.7012 | ||
| نویسندگان | ||
| ابوالفضل بنی اسدی مقدم1؛ حسین ابراهیمی* 2؛ عباس خاشعی سیوکی3؛ ابوالفضل اکبرپور4 | ||
| 1گروه عمران، واحد بین الملل کیش، دانشگاه آزاد اسلامی، جزیره کیش، ایران | ||
| 2گروه علوم و مهندسی آب، واحد شهر قدس ، دانشگاه آزاد اسلامی ، تهران، ایران | ||
| 3گروه علوم و مهندسی آب، دانشگاه بیرجند، بیرجند، ایران | ||
| 4گروه عمران، دانشگاه بیرجند، بیرجند، ایران | ||
| چکیده | ||
| یکی از راهکارهای مقابله با مسائل مربوط به توزیع زمانی و مکانی نامناسب منابع آبی، استفاده بهینه از مخازن سدها است. سیستم‌های مخزنی به تحلیل، مدیریت صحیح و بهره‌برداری مناسب از منابع آب می‌پردازد و سعی دارد که سیستم‌های منابع آب را به گونه‌ای طراحی نماید که اهداف خاصی همچون تولید انرژی برقابی، تأمین آب شرب و کشاورزی، کنترل سیلاب‌های مخرب و غیره را با توجه به مجموعه‌ای از محدودیت‌ها، به صورت بهینه تحقق بخشد. به همین منظور در این تحقیق تابع هدف کمینه‌سازی مجموع توان دوم اختلاف نیاز کشاورزی از رهاسازی برای حل مسئله بهینه‌سازی بهره‌برداری از مخزن سد امیرکبیر مورد استفاده قرار گرفته است. هدف از این تحقیق بررسی کارایی نسخه تک هدفه الگوریتم‌هایی مانند الگوریتم چند جهانی و ژنتیک بوده و همچنین کارایی ترکیبی از این دو الگوریتم (MVGA) نیز مورد بررسی قرار گرفت. نتایج حاصل از بررسی الگوریتم‌های چند جهانی، ژنتیک و MVGA نشان داد که الگوریتم MVGA مشابه با GA در تعداد تکرار کمتر به ترتیب با مقادیر تابع هدف 24/29 و 24/22 جواب بهتری نسبت به الگوریتم MVO با مقدار تابع هدف 29/14 پیدا می‌نماید. نتایج این تحقیق نشان داد که برای افزایش کارایی یک الگوریتم می‌توان آن را با الگوریتم دیگری ترکیب نمود. در این تحقیق ترکیب الگوریتم ژنتیک با الگوریتم چند جهانی باعث بهبود عملکرد الگوریتم چند جهانی به میزان 16/64 درصد شده است. | ||
| کلیدواژه‌ها | ||
| الگوریتم چند هدفه؛ الگوریتم ژنتیک؛ الگوریتم چند جهانی؛ الگوریتم ترکیبی؛ معیارهای عملکرد | ||
| موضوعات | ||
| شبکه های عصبی؛ مدیریت منابع آب | ||
| عنوان مقاله [English] | ||
| Using Novel Meta-Heuristic Algorithms for Single-Objective Operation of Reservoir Amirkabir | ||
| نویسندگان [English] | ||
| Abolfazl Baniasadi Moghadam1؛ Hossain Ebrahimi2؛ Abbas Khasheie3؛ Abolfazl Akbarpour4 | ||
| 1Department of Civil Engineering, Kish International Branch, Islamic Azad University, Kish Island, Iran. | ||
| 2Department of Water Science and Engineering, Shahre-e-qods Branch, Islamic Azad University, Tehran, Iran. | ||
| 3Department of Water Science and Engineering, University of Birjand, Birjand, Iran. | ||
| 4Department of Civil Engineering, University of Birjand, Birjand, Iran. | ||
| چکیده [English] | ||
| 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 a genetic algorithm with multi-world algorithm has improved the performance of the multi-world algorithm by 16.64%. | ||
| کلیدواژه‌ها [English] | ||
| Multi-Objective Algorithm, Genetic Algorithm, Multiverse Algorithm, Hybrid Algorithm, Performance Criteria | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
[1] M. Zeynali, O. Mohamad Reza Pour, F. Frooghi, Using Firefly Algorithm for Optimizing Operation of Doroudzan Reservoir, Irrigation and Water Engineering, 6(1) (2015) 33-45. [2] O. Mohammadrezapour, M. Zeynali, Comparison of meta-heuristic algorithms in the optimal operation of multi-reservoir (a case study: Golestan and Voshmgir dams), Journal of Water and Soil Science, 22(1) (2018). [3] O.M.R. Pour, M.J. Zeynali, Application of an max-min ant system algorithm for optimal operation of multi-reservoirs (case study: Golestan and Voshmgir reservoir dams), International Journal of Agriculture and Crop Sciences (IJACS), 8(1) (2015) 27-33. [4] Y.H. Al-Aqeeli, O.M.M. Agha, Optimal operation of multi-reservoir system for hydropower production using particle swarm optimization algorithm, Water Resources Management, 34(10) (2020) 3099-3112. [5] X. Zeng, T. Hu, X. Cai, Y. Zhou, X. Wang, Improved dynamic programming for parallel reservoir system operation optimization, Advances in Water Resources, 131 (2019) 103373. [6] D. Rani, M. Pant, S. Jain, Dynamic programming integrated particle swarm optimization algorithm for reservoir operation, International Journal of System Assurance Engineering and Management, 11(2) (2020) 515-529. [7] M. Rabiei, M. Aalami, S. Talatahari, Reservoir operation optimization using CBO, ECBO and VPS algorithms, Iran University of Science & Technology, 8(3) (2018) 489-509. [8] A. Moridi, J. Yazdi, Optimal allocation of flood control capacity for multi-reservoir systems using multi-objective optimization approach, Water Resources Management, 31(14) (2017) 4521-4538. [9] J. Anand, A. Gosain, R. Khosa, Optimisation of multipurpose reservoir operation by coupling SWAT and genetic algorithm for optimal operating policy (case study: Ganga River basin), (2018). [10] K. Srinivasan, K. Kumar, Multi-objective simulation-optimization model for long-term reservoir operation using piecewise linear hedging rule, Water resources management, 32(5) (2018) 1901-1911. [11] Z.-k. Feng, S. Liu, W.-j. Niu, B.-j. Li, W.-c. Wang, B. Luo, S.-m. Miao, A modified sine cosine algorithm for accurate global optimization of numerical functions and multiple hydropower reservoirs operation, Knowledge-Based Systems, 208 (2020) 106461. [12] Z.-k. Feng, W.-j. Niu, S. Liu, B. Luo, S.-m. Miao, K. Liu, Multiple hydropower reservoirs operation optimization by adaptive mutation sine cosine algorithm based on neighborhood search and simplex search strategies, Journal of Hydrology, 590 (2020) 125223. [13] Z. Zhang, H. Qin, L. Yao, Y. Liu, Z. Jiang, Z. Feng, S. Ouyang, Improved Multi-objective Moth-flame Optimization Algorithm Based on R-domination for cascade reservoirs operation, Journal of Hydrology, 581 (2020) 124431. [14] Z.M. Yaseen, M.F. Allawi, H. Karami, M. Ehteram, S. Farzin, A.N. Ahmed, S.B. Koting, N.S. Mohd, W.Z.B. Jaafar, H.A. Afan, A hybrid bat–swarm algorithm for optimizing dam and reservoir operation, Neural Computing and Applications, 31(12) (2019) 8807-8821. [15] Y. Xia, Z.-k. Feng, W.-j. Niu, H. Qin, Z.-q. Jiang, J.-z. Zhou, Simplex quantum-behaved particle swarm optimization algorithm with application to ecological operation of cascade hydropower reservoirs, Applied Soft Computing, 84 (2019) 105715. [16] M. Zeynali, R.P.O. MOHAMAD, F. FROOGHI, Comparison of imperialist competitive algorithm (ICA) and ant colony algorithm (ACO) for optimizing exploitation of Doroudzan reservoir with application of chain constraints approach, (2016). [17] W.-j. Niu, Z.-k. Feng, C.-t. Cheng, X.-y. Wu, A parallel multi-objective particle swarm optimization for cascade hydropower reservoir operation in southwest China, Applied Soft Computing, 70 (2018) 562-575. [18] M.H. Afshar, R. Hajiabadi, A novel parallel cellular automata algorithm for multi-objective reservoir operation optimization, Water resources management, 32(2) (2018) 785-803. [19] Z.-k. Feng, W.-j. Niu, C.-t. Cheng, Optimization of hydropower reservoirs operation balancing generation benefit and ecological requirement with parallel multi-objective genetic algorithm, Energy, 153 (2018) 706-718. [20] A. Azari, S. Hamzeh, S. Naderi, Multi-objective optimization of the reservoir system operation by using the hedging policy, Water resources management, 32(6) (2018) 2061-2078. [21] e. f, o. b, s. a, Optimal Operation of the Conjunctive Aquifers - Dam system: The Genetic Programming Approach, Water Resources Engineering, 7(21) (2014) 51-66. [22] S. Mirjalili, S.M. Mirjalili, A. Hatamlou, Multi-verse optimizer: a nature-inspired algorithm for global optimization, Neural Computing and Applications, 27(2) (2016) 495-513. | ||
|
آمار تعداد مشاهده مقاله: 698 تعداد دریافت فایل اصل مقاله: 812 |
||
