کاربرد الگوریتم ژنتیک در بهینه سازی شبکه های توزیع آب تحت فشار
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 653
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCACS01_039
تاریخ نمایه سازی: 25 آذر 1395
Abstract:
آرایش شبکه های آبیاری تحت فشار معمولا به صورت شاخهای در نظر گرفته می شود. در بیشتر پژوهشهای پیشین معمولا آرایش از پیش تعیین شده در نظر گرفته شده و تنها قطرهای لوله های مورد بهینه سازی قرار گرفته اند. تلاشهای اندکی نیز در جهت بهینه سازی همزمان آرایش و قطر انجام شده است. در این پژوهش با اعمال تغییراتی در ماهیت الگوریتم ژنتیک و تلفیق آن با الگوریتم رویش درخت گونه خاصی از الگوریتم ژنتیک توسعه داده شده است. در اینجا از یک رویکرد تلفیقی برای تعریف مسئله بهینه سازی همزمان آرایش و قطر در قالب یک مسئله بهینه سازی حداقل سازی هزینه استفاده شده است. اساس این روش بر تلفیق روش خطی LIDM برای بهینه سازی قطر با یک الگوریتم ژنتیک تغییر یافته برای بهینه سازی آرایش، قرار دارد. در اینرویکرد در هر مرحله، روش بهینه سازی قطر(LIDM) به عنوان حلقه داخلی، قطرهای گزینهها (هر گزینه یک آرایش شاخهای قابل قبول است) را بهینه می نماید. پس از مشخص شدن قطرها، هزینه هر گزینه محاسبه می شود. سپس الگوریتم ژنتیک به عنوان حلقه خارجی با توجه به مقادیر تابع هدف محاسبه شده، طی یک عملیات چیدمان مجدد، موقعیت آنها را تغییر می دهد و آرایشهای شاخهای جدیدی تولید می نماید.دسیسی هزینه آرایشهای جدید مجدداً محاسبه شده و فرایند ادامه مییابد. روش ارائه شده برای بهینه سازی هم زمان آرایش و قطر در یک شبکه ساده که قبلاً توسط محققان دیگر نیز در نظر گرفته شده است، مورد استفاده قرار گرفته است و نتایج به دست آمده با روش های دیگر مقایسه شده است. نتایج نشان می دهد که روش استفاده از الگوریتم ژنتیک اصلاح شده نسبت به روشیهای دیگر دارای مزیت است.
Keywords:
Authors
فاضل جاودان مطلق
دانشجوی کارشناسی ارشد مهندسی عمران گرایش سازه های هیدرولیکی،دانشگاه آزاد اسلامی واحد یاسوج
حسین منتصری
استادیار گروه عمران، دانشگاه یاسوج
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :