CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

کاربرد مقایسه ای الگوریتم ژنتیک در بهینه سازی بهره برداری از سیستم های چندمخزنی

عنوان مقاله: کاربرد مقایسه ای الگوریتم ژنتیک در بهینه سازی بهره برداری از سیستم های چندمخزنی
شناسه ملی مقاله: JR_WWJ-16-56_002
منتشر شده در شماره 56 دوره 16 فصل زمستان در سال 1384
مشخصات نویسندگان مقاله:

شروین ممتحن - دانشجوی دکترای مدیریت منابع آب ، دانشکده عمران دانشگاه صنعتی خواجه نصیرالدین طوسی
علیرضا برهانی داریان - عضو هیات علمی دانشکده عمران ، دانشگاه صنعتی خواجه نصیرالدین طوسی

خلاصه مقاله:
در این مقاله ، کاربرد الگوریتم ژنتیک در بهینه سازی بهره برداری از سیستم های چند مخزنی بررسی شده است . بهینه سازی پارامترهای سیاست بهره برداری در این روش ، صرفاً با استفاده از نتایج شبیه سازی سیستم انجام می شود و بنابراین می توان انواع مختلفی از مسائل بهره برداری را مستقل از نوع تابع هدف و قیدهای آن و نیز ساختار سیاست بهره برداری ، بهینه سازی نمود. در این مقاله پس از بررسی اجمالی روش الگوریتم ژنتیک پیشنهادی ، عملکرد آن در بهینه سازی یک سیستم سه مخزنی بررسی و با روشهای برنامه ریزی پویای استوکستیک و برنامه ریزی پویا با رگرسیون مقایسه شده است. نتایج حاصل ، نشانگر برتری ا لگوریتم ژنتیک هم به لحاظ سرعت محاسبات و هم مقدار تابع هدف در مقایسه با دو روش دیگر بوده است. با این حال به منظور افزایش کارآیی این روش ، اصلاحاتی در آن صورت گرفته است . بهبود کارآیی عملگرهای الگوریتم ژنتیک به ویژه استفاده از قانون بهنگام سازی قدرت جهش و محاسبه برازندگی کروموزوم ها به وسیله شبیه سازی سیستم با دوره های متغیر ، دو نمونه از این اصلاحات را تشکیل داده اند . در بررسی های انجام شده اثر این اصلاحات کاملاً مفید ارزیابی شده است به گونه ای که روش اصلاح شده قادر خواهد بود در مدت زمانی کمتر به نتایجی بهتر از روش معمولی دست یابد. ارزیابی مدل نهایی الگوریتم ژنتیک نشان می دهد که روش پیشنهادی روشی بسیار کارآمد در حل مسائل سیستم های بزرگ است که حل آنها با روشهای رایج غالباً غیرممن است . به عبارتی ، ارزش و کارآمدی علمگرهای پیشنهاید از نقطه ای شروع می شود که عملگرهای رایج الگوریتم ژنتیک در آن نقطه متوقف شده و قادر به پیشروی نیستند

کلمات کلیدی:
سیستم های چند مخزنی ، بهینه سازی ، سیاست بهره برداری ، الگوریتم ژنتیک

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/293680/