این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۶، شماره ۱، صفحات ۱-۱۳
عنوان فارسی بهینه سازی بهره برداری از مخازن سدها با استفاده از فرآیند تظریف تطبیقی احتمالاتی در الگوریتم مورچه‌ها
چکیده فارسی مقاله الگوریتم جامعه مورچه‌ها یک روش تکاملی جدید می‌باشد که برای حل مسائل بهینه‌سازی معرفی گردیده است. ماهیت این الگوریتم که بر اساس جستجوی غذا توسط مورچه‌ها استوار شده است، شرایط محیط جستجوی گسسته را به این روش دیکته می‌نماید. اما بسیاری از مسائل واقعی دنیای اطراف ما پیوسته می‌باشند و به کارگیری این الگوریتم درحل آنها نیازمند گسسته‌سازی فضای جستجوی پیوسته و تبدیل مساله پیوسته به مساله گسسته می‌باشد. معمولاٌ تقسیم‌بندی بزرگ فضای جستجو موجب اثر منفی بر کیفیت جواب و گسسته‌سازی ریز موجب افزایش تلاش محاسباتی و بعضاً کاهش کیفیت جواب می‌گردد. در این مقاله مکانیزم مناسبی به نام تظریف تطبیقی احتمالاتی (SAR)، جهت ارتقاء عملکرد الگوریتم مورچه‌ها و رسیدن به جواب‌هایی در حد جواب‌های بهینه پیوسته ارایه شده است. در این روش مسأله بهینه‌سازی پیوسته با مجموعه‌ای از بهینه‌سازی‌های گسسته جایگزین می‌شود که در آن گسسته‌سازی حوزه متغیرهای تصمیم ابتدا به شکل یکنواخت و سپس در تکرارهای بعدی با استفاده از یک توزیع گوسی صورت می‌گیرد. مقادیر میانگین و انحراف معیار توزیع گوسی در هر تکرار با استفاده از مقادیر جواب بهینه در تکرار قبل محاسبه می‌شود. در این فرآیند فضاهای مجاور میانگین که احتمال قرار گرفتن جواب بهینه در آن بیشتر است، اهمیت بیشتری دارند و فضاهایی که دورتر از میانگین قرار دارند، سهم کمتری در تعریف فضای جستجوی گسسته ایفا می‌کنند. به این ترتیب در گسسته‌سازی جدید فضای جستجو، فاصله نقاط گسسته سازی (گزینه‌های تصمیم‌) در اطراف جواب بهینه یافته شده در جستجوی قبلی کمتر و در فاصله‌های دورتر از آن بیشتر خواهد بود. در این مقاله کاربرد سازوکار فوق در نمونه‌هایی از مسائل پیچیده ریاضی و منابع آب مورد آزمون قرار گرفته است و با نتایج نرم افزار LINGO (نسخه 8) و دیگر روش‌های موجود مقایسه شده است. نتایج نشان می‌دهند که سازوکار به کارگرفته شده اثر مثبتی در بهبود جواب‌های الگوریتم مورچه‌ها دارد و توانایی پیدا کردن نقاط نزدیک بهینه را با هزینه محاسباتی کم دارا است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Reservoir Operation Optimization using Stochastic Adaptive Refinement of Ant Algorithms
چکیده انگلیسی مقاله The Algorithm of the Ant Colony Optimisation (ACO) is basically developed and used for discrete optimization problems. However many real engineering problems such as reservoir operation problems are of a continuous nature and using ant based algorithms on such problems requires discretisation of the decision variables. An adaptive refinement mechanism is suggested in this paper to improve the performance of ant algorithms in solving continuous optimization problems. This is an iterative method starting with a uniform discretisation of the search space. A Gaussian distribution is used for discretisation of the decision variables in the subsequent iterations. The average and standard deviation of the Gaussian distribution is computed in each iteration using the optimal solution obtained in the previous iterations. The proposed mechanism was used to solve some benchmark function optimization problems and a reservoir operation problem. The results indicated the efficiency and effectiveness of the proposed method to improve the performance of the ant algorithms for continuous optimization problems.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدهادی افشار | mohammad hadi
دانشیار دانشکده عمران دانشگاه علم و صنعت، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

سید ابراهیم رضایی سنگدهی | seyed ebrahim rezaei sangdehi
دانشجوی کارشناسی ارشد دانشکده عمران دانشگاه علم وصنعت، تهران، ایران

رامتین معینی |
دانشجوی دکترا دانشکده عمران دانشگاه علم وصنعت، تهران، ایران

نشانی اینترنتی http://www.iwrr.ir/article_15779_72610d35d76fa15f311d2fed5a2cd374.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات