Optimization of Karaj Dam reservoir using modern ant Colony algorithm
محورهای موضوعی : water resource managementحمید رضا عزیزی 1 , سعید عزیزی 2 , سید حبیب موسوی جهرمی 3
1 -
2 -
3 -
کلید واژه: Optimization, algorithm, بهینهسازی, الگوریتم, سد, Dam, کرج, Ants, Colony, کلونی, مورچهها,
چکیده مقاله :
The ant colony algorithm is inspired by studies and observations on ant colonies. Since ants' colony optimization methods are able to significantly reduce computational time and at the same time improve results, the present study aims to determine the optimal utilization of water engineering issues. , Karaj Dam reservoir was used to study and implement this algorithm. This study was conducted with the aim of optimizing water reservoirs, by case study of Karaj Dam by the ant colony optimization algorithm. Meteorology was prepared by the Meteorological Organization and the Regional Water Organization of Alborz Province for a period of 5 years from 2010 to 2015. After correcting and reconstructing the data, an algorithm was proposed to optimize the Karaj Dam reservoir. This process was then implemented and tested by MATLAB software. The results showed that the use of modern ant colony optimization algorithm in solving dam optimization problems showed good results, which was consistent with the results of genetic algorithm methods and dynamic programming. And sometimes it looks better than them. However, in order to obtain optimal solutions, the solution process should be tested in different phases of problem solving and using the best conditions compared to other ants optimization approaches, the appropriate solution system should be selected to answer Get the right ones
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.
