بهینه‌سازی بهره‌برداری از سیستم چند مخزنه با استفاده از الگوریتم جستجوی موجودات همزیست

نوع مقاله : یادداشت فنی (5 صفحه)

نویسندگان

گروه هیدرولوژی و منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، ایران.

چکیده

در چند دهه اخیر الگوریتم‌های فراکاوشی نقش مؤثری در مسائل مختلف مهندسی از جمله بهره‌برداری بهینه از مخازن داشته‌اند. به دلیل پیچیدگی مسائل مدیریت منابع آب و در نتیجه نیاز روزافزون به توسعه و رواج روش‌های مزبور، در پژوهش حاضر اقدام به مدل‌سازی بهره‌برداری بهینه از سیستم‌های پیچیده چند مخزنی با استفاده از روشی مبتنی بر الگوریتم جستجوی موجودات همزیست (Symbiotic Organisms Search) گردید. در گام اول، عملکرد موفقیت‌آمیز روش با استفاده از تعدادی توابع محک استاندارد ارزیابی شد. سپس الگوریتم جستجوی موجودات همزیست در حل سیستم چهار و ده مخزنه محک مورد استفاده قرار گرفت. نتایج حاصل از الگوریتم جستجوی موجودات همزیست، با الگوریتم‌های تکاملی توسعه یافته دیگر ازجمله الگوریتم‌های ژنتیک و ازدحام ذرات مقایسه شد. نتایج نشان داد که در سیستم‌های چهار و ده مخزنه، بهترین نتایج بدست آمده توسط الگوریتم جستجوی موجودات همزیست به ترتیب برابر 8114/308 و 0227/1190 بوده است. نتایج نشان داد که الگوریتم جستجوی موجودات همزیست در بهره‌برداری بهینه از سیستم‌های چند مخزنه از عملکرد مناسب‌تری برخوردار می‌باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Optimal Operation Of Multi-Reservoir System Using Symbiotic Organisms Search Algorithm

نویسندگان [English]

  • Saeid Akbarifard
  • Mohammadreza Sharifi
  • Fereydun Radmanesh
Department of Hydrology and Water Resources, Faculty of Water Sciences Engineering, Shahid Chamran University of Ahvaz, Iran.
چکیده [English]

In recent decades, Metaheuristic algorithms have been applied successfully in various water resource engineering and management issue especially in optimal operation of reservoirs. In this paper, a model based on Symbiotic Organisms Search (SOS) algorithm has been developed for modeling optimal operation of complex multi-reservoirs systems. In the first step, the performance of the method was successfully assessed through several benchmark functions. Then SOS algorithm was then used to derive the optimal operation of four- and ten- reservoir systems. The results of SOS were compared with other developed evolutionary algorithms including Genetic Algorithm (GA) and Particle Swarm Optimization (PSO). The results showed that, for cases of four- and ten- reservoir systems, the best solutions achieved by the SOS were 308.8114 and 1190.0227, respectively. The results revealed that the SOS algorithm was the superior algorithm in optimal operation of multi-reservoirs systems.
Keywords: Symbiotic Organisms Search (SOS) Algorithm, Optimal Operation, Metaheuristic Algorithms, Multi-Reservoirs System.

کلیدواژه‌ها [English]

  • SOS Algorithm
  • Optimal Operation
  • Metaheuristic Algorithms
  • Multi-Reservoirs System

مراجع

Baghlani AH, Hajivandi Z (2016) Stabilize the water level in open channels using symbiotic organisms search algorithm. 9th National Congress on Civil Engineering, 10-11 May, Ferdowsi University of Mashhad, Iran, 1-9 (In Persian)
Bozorg-Haddad O, Azarnivand A, Hosseini-Moghari SM, Loáiciga HA (2017) Optimal operation of reservoir systems with the symbiotic organisms search (SOS) algorithm. Journal of Hydroinformatics p.jh2017085
Cheng MY, Prayogo D (2014) Symbiotic organisms search: A new metaheuristic optimization algorithm. Journal of Computers & Structures 139:98-112
Chow VT, Cortes-Rivera G (1974) Application of DDDP in water resources planning. WRC RESEARCH REPORT, NO. 78, 89p
Ehteram M, Allawi MF, Karami H, Mousavi SF, Emami M, Ahmed ES, Farzin S (2017) Optimization of Chain-reservoirs’ operation with a new approach in artificial intelligence. Water Resources Management 31(7):2085-2104
Ehteram M, Mousavi SF, Karami H, Farzin S, Emami M, Othman FB, Amini Z, Kisi O, El-Shafie A (2017) Fast convergence optimization model for single and multi-purposes reservoirs using hybrid algorithm. Advanced Engineering Informatics 32:287-298
Holland J (1975) Adaptation in natural and artificial system. University of Michigan Press
Kennedy J, Eberhart R (1995) Particle swarm optimization (PSO). In Proc. IEEE International Conference on Neural Networks, Perth, Australia, 1942-1948
Murray DM, Yakowitz SJ (1979) Constrained differential dynamic programming and its application to multireservoir control. Water Resources Research 15(5):1017-1027
Nourani V, Abolvaset N, Salehi K (2012) A hybrid goal programming method and adaptive neural-fuzzy inference system for optimal operation of a multi-objective two-reservoir system. Journal of Iran-Water Resources Research 8(2):1-11 (In Persian)
Panda A, Pani S (2016) A symbiotic organism search algorithm with adaptive penalty function to solve multi-objective constrained optimization problems. Applied Soft Computing 46:344–360
Qaderi K, Arab D, Teshnehlab M, Ghazagh A (2010) Intelligent operation modeling of reservoirs using group method of data handling (GMDH). Journal of Iran-Water Resources Research 6(3):55-67 (In Persian)
Qaderi K, Akbarifard S, Madadi MR, Bakhtiari B (2017) Optimal operation of multi-reservoirs by water cycle algorithm. In Proceedings of the Institution of Civil Engineers-Water Management (pp. 1-12) Thomas Telford Ltd
Tejani G, Savsani V, Patel V (2016) Adaptive symbiotic organisms search (SOS) algorithm for structural design optimization. Journal of Computational Design and Engineering 3(3):226–249
 
 
تحقیقات منابع آب ایران
دوره 14، شماره 2
تیر 1397
صفحه 269-273

فایل ها

سابقه مقاله

  • تاریخ دریافت: 06 اسفند 1395
  • تاریخ بازنگری: 06 آبان 1396
  • تاریخ پذیرش: 10 اسفند 1395

هم رسانی

ارجاع به این مقاله

آمار