تعداد نشریات | 11 |
تعداد شمارهها | 210 |
تعداد مقالات | 2,098 |
تعداد مشاهده مقاله | 2,877,379 |
تعداد دریافت فایل اصل مقاله | 2,085,118 |
بررسی ساختارهای جدید از الگوریتم ژنتیک در بهینه سازی بهره برداری از مخازن | ||
فناوری آموزش | ||
مقاله 3، دوره 1، شماره 2، فروردین 1386، صفحه 83-88 اصل مقاله (1.08 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22061/tej.2007.1247 | ||
نویسندگان | ||
عباس افشار* ؛ مهیار شفیعی؛ امید بزرگ حداد | ||
دانشکده عمران،دانشگاه علم و صنعت ایران،تهران،ایران | ||
تاریخ دریافت: 30 اردیبهشت 1399، تاریخ پذیرش: 30 اردیبهشت 1399 | ||
چکیده | ||
با ساخت سدهای بزرگ در کشورهای متفاوت دنیا، بالا بردن بازده و کارایی این سیستم های مخزنی و حداکثر سازی منافع ناشی از آنها از مهم ترین مباحث مورد بررسی در سال های اخیر است. الگوریتم های تکاملی (Evolutionary Algorithms) از قبیل الگوریتم ژنتیک(GA) در بسیاری از مقوله های علمی و مهندسی به عنوان ابزارهای جستجو و بهینه سازی مورد استفاده قرار می گیرند. کاربردهای بسیاری از این روشها در مورد مساله بهره برداری بهینه از مخازن گزارش شده است. در این تحقیق سعی بر آن ست تا با ارزیابی پتانسیل فرمول بندی های جدید و کاربردی الگوریتم ژنتیک در حل مسایل مهندسی، ساختاری نوین به منظور بهینه سازی بهره برداری از مخازن با استفاده از GA تهیه و ارزیابی شود. در این مطالعه ساختارهای جدید از الگوریتم ژنتیک با انجام آنالیزهای متفاوت حساسیت مورد بررسی قرار گرفته و بهترین آنها برای تعیین آزاد سازی های بهینه از خروجی مخازن مورد استفاده قرار خواهد گرفت. نتیجه های به دست آمده حاکی این مطلب است که GA قابلیت ارایه پاسخ های خوبی در زمینه بهره برداری بهینه از مخازن را داراست. بر اساس این نتیجه ها، الگوریتم ژنتیک با نخبه گرایی به همراه عملگرهای جا به جایی برش دو نقطه ای و جهش با احتمال پایین، بهترین جواب را تولید می کند. این نتیجه ها دلالت بر پتانسیل نسبتا مناسب الگوریتم های ژنتیک در حل مسایل بزرگ مقیاس که دارای تابع های هدف پیچیده هستند دارد. | ||
کلیدواژهها | ||
ﺑﻬﯿﻨﻪ ﺳﺎزی؛ اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ؛ ﻋﻤﻠﮕﺮﻫﺎی ژﻧﺘﯿﮑﯽ؛ ﺟﺎ ﺑﻪ ﺟﺎﯾﯽ؛ ﺟﻬﺶ؛ ﺳﯿﺴﺘﻢ ﺗﮏ ﻣﺨﺰﻧﻪ | ||
موضوعات | ||
آموزش فنی حرفه ای | ||
عنوان مقاله [English] | ||
Investigating new structures from genetic algorithm in optimization Exploitation of tanks | ||
نویسندگان [English] | ||
A. Afshar؛ M. Shafie؛ O. Bozorg hadad | ||
Faculty of Civil Engineering, Iran University of Science and Technology, Tehran, Iran | ||
چکیده [English] | ||
By building large dams in different countries of the world, increasing the efficiency and effectiveness of these reservoir systems and maximizing the benefits of them is one of the most important issues studied in recent years. Evolutionary algorithms such as genetic algorithms (GA) are used in many scientific and engineering categories as search and optimization tools. Many applications of these methods have been reported on the issue of optimal utilization of reservoirs. In this research, an attempt is made to evaluate and evaluate the potential of new and applied formulations of genetic algorithm in solving engineering problems, to provide a new structure in order to optimize the operation of reservoirs using GA. In this study, new structures of the genetic algorithm are examined by performing different sensitivity analyzes and the best of them will be used to determine the optimal release of reservoir outflows. The results show that GA has the ability to provide good responses in the optimal use of reservoirs. Based on these results, the genetic algorithm with elitism, along with the two-point shear displacement operators and the low probability mutation, produces the best response. These results indicate the relatively good potential of genetic algorithms in solving large-scale problems that have complex objective functions. | ||
کلیدواژهها [English] | ||
Optimization, Genetic algorithm, Genetic operators, Displacement, Mutation, Single tank system | ||
مراجع | ||
[1] Wardlaw, R., and Sharif, M., Evaluation of genetic algorithms for optimal reservoir system operation, J. Water Res. Plng. and Mgmt., ASCE, 125(1), 25-33, 1999. [2] Gen, M., and Cheng, R.W., Genetic Algorithms and Engineering Design, John Wiley & Sons, Inc, 1997. [3] Esat, V., and Hall, M.J., Water resources system optimization using genetic algorithms. Hydroinformatics '94, Proc., 1st Int. Conf. on Hydroinformatics, Balkema, Rotterdam, The Netherlands, 225-231, 1994. [4] Holland, J.H., Adaption in natural and artificial systems, The University of Michigan Press, Ann Harbor, MI, 1975. [5] Wang, Q. J. The genetic algorithm and its application to calibrating conceptual rainfall-runoff models, Water Resour. Res., 27(9), 2467-2471, 1991. [6] Goldberg, D.E., and Richardson, J., Genetic algorithms with sharing for multimodal function optimization, In Genetic Algorithms and their Applications, J. J. Grefenstette, Ed. Lawrence Erlbaum Associates, Hillsdale, NJ, 41– 49, 1987. [7] Dandy, G. C., Simpson, A. R. and Murphy, L. J. An improved genetic algorithm for pipe network optimization, Water Resour. Res., 32(2), 449-458, 1996. [8] Ritzel, B., Ebeart, J. W. and Ranjithan, S. Use genetic algorithms to solve a multiple objective ground water pollution problem, Water Resour. Res., 30(5), 1589-1603, 1994. [9] Oliviera, R. and Loucks, D. P., Operating rules for multireservoir systems, Journal of Water Resour. Res., Vol.33, No.4, pp. 1589–1603, 1997. [10] Bozorg Haddad, O., and Afshar, A., (2004). “MBO (Marriage Bees Optimization), A New Heuristic Approach in Hydrosystems Design and Operation.” Proceedings of 1st International Conference on Managing Rivers In The 21st Century: Issues and Challenges, Penang, Malaysia, 21-23 Sep, 499-504, 2004. | ||
آمار تعداد مشاهده مقاله: 490 تعداد دریافت فایل اصل مقاله: 1,020 |