بهینه سازی مخزن سد کرج با استفاده از الگوریتم مدرن کلونی مورچه ها
Subject Areas : water resource managementحمید رضا عزیزی 1 , سعید عزیزی 2 , سید حبیب موسوی جهرمی 3
1 -
2 -
3 -
Keywords:
Abstract :
الگوریتم کلونی مورچه الهام گرفته شده از مطالعات و مشاهدات روی کلونی مورچهها است. از آن جا که روشهای بهینهسازی کلونی مورچهها قادر به آن هستند که زمان محاسبات را به طور قابل توجهی کاهش داده و در عین حال نتایج را بهبود بخشند، در پژوهش حاضر برای تعیین میزان بهرهبرداری بهینه در حوزهی مسائل مهندسی آب، از مخزن سد کرج جهت مطالعه و پیادهسازی این الگوریتم استفاده شد. این پژوهش با هدف بهینهسازی مخازن آبی، با مطالعه موردی سد کرج توسط الگوریتم بهینهسازی کلونی مورچهها صورت گرفت، ابتدا مشخصات سد از شرکت سهامی مدیریت منابع آب ایران تهیه و سپس دادههای حاصل از گزارشات دورهای هیدرولوژیکی و هواشناسی از سازمان هواشناسی و سازمان آب منطقهای استان البرز برای یک دوره 5 ساله از 1389 تا 1394 تهیه شد. پس از اصلاح و بازسازی داده ها، الگوریتمی به منظور بهینهسازی مخزن سد کرج ارائه گردید. سپس توسط نرم افزار MATLAB این روند پیادهسازی شد و مورد آزمایش قرار گرفت. نتایج حاکی از آن بود که استفاده از الگوریتم مدرن بهینهسازی کلونی مورچهها در حل مسائل بهینهسازی سد نتایج خوبی از خود نشان میدهد که با نتایج روشهای الگوریتم ژنتیک و برنامهریزی پویا نیز همخوانی و هماهنگی داشته و بعضاً از آنها بهتر ظاهر شده است. با این وجود به منظور حصول جوابهای بهینه میبایست روند حل را در فازهای مختلف حل مسئله مورد آزمون قرار داد و با استفاده از بهترین شرایط در مقایسه با سایر رویکردهای بهینهسازی مورچگان، سیستم حل مناسبی را انتخاب نمود تا جوابهای مناسبی به دست آید.
Abbaspour, K.C., Schulin, R. and van Genuchten, M.T. (2001). Estimating unsaturated soil hydraulic parameters using ant colony optimization. Adv. Water Resource, 24(8), pp: 827-841.
Afshar, A., Masoumi, F. and Solis, S.S. (2015). Reliability Based Optimum Reservoir Design by Hybrid ACO-LP Algorithm. Water Resources Management, 29(6), pp: 2045–2058.
Dorigo, M. (1992). Optimization, learning and natural algorithms. Ph.D. Thesis, Politecnico di Milano, Milan, Italy.
Ehsani, N. and Afshar, A. (2010). Application of NA-ACO in Multiobjective Contaminant Sensor Network Design for Water Distribution Systems. Water Distribution Systems Analysis. Proceeding of the 12th Annual Conf. on Water Distribution Systems Analysis (WDSA), Tucson, Arizona, United States, September 12-15, 2010 |.
Hajizadeh, Y., Christie, M. and Demyanov, V. (2011). Ant colony optimization for history matching and uncertainty quantification of reservoir models. Journal of Petroleum Science and Engineering, 77(1), pp: 78-92.
Jalali, M.R., Afshar, A. and Marino, M.A. (2007). Multi-Colony ant algorithm for continuous multireservoir operation optimization problem. Water Resources Management, 21, pp: 1429-1447.
Kumar, D.N. and Reddy, M. J. (2006). Ant colony optimization for multi-purpose reservoir operation. Water Resources Management, 20(6), pp: 879-898.
Maier, H.R., Simpson, A.R., Zecchin, A.C., Foong, W.K., Phang, K.Y., Seah, H.Y. and Tan, C.L. (2003). Ant colony optimization for design of water distribution systems. Water Resour. Plng. and Mgmt, 129(3), pp: 200-209.
Moeini, R. and Afshar, M. H. (2013). Extension of the constrained ant colony optimization algorithms for the optimal operation of multi-reservoir systems. Hydroinformatics, 51, pp: 71-81.
Simpson, A.R., Maier, H.R., Foong, W.K., Phang, K.Y., Seah, H.Y. and Tan, C.L. (2001). Selection of parameters for ant colony optimization applied to the optimal design of water distribution systems. Proceeding of the Int. Congress on Modeling and Simulation, Canberra, Australia, pp: 1931-1936.
Zecchin, A.C., Maier, H.R., Simpson, A.R., Roberts, A., Berrisford, M.J. and Leonard, M. (2003). Max-Min ant system applied to water distribution system optimization. Proceeding of the International Congress on Modelling and Simulation, Modelling and Simulation Society of Australia and New Zealand Inc., Townsville, Australia, 2, pp:795-800.
Zecchin, A.C., Maier, H.R., Simpson, A.R., Leonard, M. and Nixon, J. B. (2007). Ant colony optimization applied to water distribution system design: Comparative study of five algorithms. Water Resources Planning and Management, 133(1), pp: 87-92.