بیشترین مقدار آب کشور در بخش کشاورزی مصرف می‌شود. بنابراین استفاده بهینه از آب در این بخش، به میزان قابل توجهی در حفاظت منابع آب و استفاده حداکثری از آب موجود موثر است. در بسیاری از مناطق، سدهای ذخیره‌ای وظیفه تأمین آب کشاورزی پایین دست خود را بر عهده دارند. بهره‌برداری بهینه از مخازن یکی از مهم‌ترین بخش‌های مدیریت منابع آب سطحی بوده و روش‌های بهینه‌سازی گوناگونی در این زمینه استفاده شده‌اند، که پرکاربردترین آنها روش‌های فراکاوشی می‌باشند. در این پژوهش الگوریتم کرم شب‌ تاب (FA) به عنوان روشی نوین برای تعیین سیاست‌های بهینه بهره‌برداری از مخزن بازفت، به‌کار گرفته شده است. مدل‌سازی بهره‌برداری از مخزن سد بازفت برای یک بازه 120 ماهه مربوط به سال‌های آبی 66-65 تا 75-74 صورت گرفت. تابع هدف در نظر گرفته شده به صورت کمّینه‌کردن مجموع مجذور نسبتِ تفاضلِ مقدار نیاز و مقدار رهاسازی شده از مخزن، به بیشینه نیاز طی دوره بهره‌برداری تعریف گردید. عملکرد الگوریتم FA با الگوریتم ژنتیک (GA)و بهینه‌سازی مجموعه ذرات (PSO) که روش‌های بهینه‌سازی متداول و شاخصی می‌باشند، مقایسه و ارزیابی شد. نتایج حاکی از عملکرد بهتر FA نسبت به دو روش دیگر بود، به گونه‌ای که مقدار متوسط تابع هدف حاصل از FA برابر 408/0 و متوسط تابع هدف برای GA و PSO به ترتیب برابر 618/0 و 913/0 به دست آمد. افزون بر مقدار مناسب تابع هدف، FA مقدار کمبودهای کمتر و خفیف‌تری نسبت به GA و PSO ایجاده کرده است. Manuscript profile

تاکنون الگوریتم­ها و روش­های بهینه­سازی مختلفی در بهره­برداری بهینه از مخازن با اهداف مختلف بکار گرفته شده­اند. به تازگی، از الگوریتم بهینه­سازی فاخته(COA) ، به عنوان یک الگوریتم تکاملی (EA) جدید، در حل تعدادی از توابع معیار و مسائل واقعی بهره­وری گردیده، و عملکرد و توانایی بالای آن در حل مسائل بهینه­سازی دشوار گزارش شده است. هدف این مقاله بررسی کارایی COA در سامانه­ی منابع آب، به منظور استخراج سیاست­های بهره­وری بهینه برای یک مخزن با هدف برقابی می­باشد. به این منظور، عملکرد این الگوریتم دریک دوره­ی 30 ساله بهره­برداری از مخزن کارون4 مورد بررسی واقع شد، و دستاوردهای آن با نتایج به­دست آمده از الگوریتم ژنتیک (GA)  مورد مقایسه قرار گرفتند. نتایج حاکی از آن بودند که  COA  توانایی بالاتری را در رسیدن به جواب بهینه نسبت به GA از خود نشان داد. مقدار متوسط تابع هدف با استفاده از الگوریتم­های COA و GA به ترتیب برابر با 34/6 و 28/9 بوده است. علاوه بر این، جواب بدست آمده از COA فاصله کمی را با جواب بهینه­ی مطلق دارد. Manuscript profile

امروزه با افزایش نیازهای آبی، تعادلی بین عرضه و تقاضای آب در اکثر مناطق کشور وجود ندارد. از این‏رو، مدیریت صحیح آب و استفاده بهینه از منابع آب موجود، امری اجتناب­ناپذیر است. از این­رو، استفاده از روش­های بهینه­سازی در این زمینه می­تواند مفید واقع شود. روش­های بهینه­سازی تکاملی از جمله روش­های مورد نظر در این زمینه می­باشند که عملکرد مناسب آنها بسیار گزارش شده است. الگوریتم بهینه­سازی مبتنی بر جغرافیای زیستی (BBO) الگوریتم تکاملی جدیدی است، که عملکرد و کارایی آن در چندین مسئله بهینه­سازی­ به اثبات رسیده است. هدف از این پژوهش بررسی کارایی BBO برای اولین بار در مدیریت منابع آب است. ابتدا BBO در یافتن نقاط بهینه برای سه تابع معیار در بهینه­سازی، شامل تابع کره، روزنبراک و بوکین6 مورد استفاده قرار گرفت، سپس از BBO در بهره­برداری بهینه از مخزن کارون4 با هدف برقابی بهره­برداری گردید. به منظور ارزیابی کارایی BBO، از الگوریتم ژنتیک (GA) و برنامه­ریزی غیرخطی (NLP) نیز در این مسائل استفاده شد. نتایج مربوط به توابع معیار نشان دادند که BBO در یافتن نقاط بهینه هر سه تابع بهتر از GA عمل نموده، و با دقت بالایی به جواب بهینه نزدیک شده است. در بهره­ورری از مخزن کارون4 نیز نتایج حاکی از کارایی BBO در استخراج سیاست­های بهینه­ بهره­برداری بود، به ­نحوی که مقدار تابع هدف حاصل از BBO در بهترین عملکرد برابر با 223/1، و برای GA برابر با 535/1 به­دست آمده است. همچنین، جواب بهینه مطلق حاصل از NLP برای این مسئله 213/1 بوده است. Manuscript profile