خلاصه
الگوريتم ژنتيک پیوسته، الگوريتمي براي بهينه‌سازي و جستجو
است که بر اساس اصول علم ژنتيک و انتخاب طبيعي پايه‌ريزي شده استودر حل مسائل بهینهسازی کاربرد فراوانی دارند. پیشبینی
مقادیر ذخیره سد امکان یافتن سیاست بهینه بهره برداری از مخازن سد را افزایش داده و
امکان برگشت سرمایه را در کوتاهمدت امکان پذیر می نماید. در این راستا ارائه
راهکاری جهت پیشبینی مقادیر ذخیره مخازن سدها ضروری به نظر می رسد. در این
نوشتار از الگوریتم ژنتیک پیوسته با در نظر گرفتن افق دید یکساله
و بازههای زمانی ماهانه، برای پیش بینی ذخیره مخزن سد شهرچای ارومیه استفاده شده
است.در نهایت نتایج حاصل از اجرای مدل نشان داد که علاوه بر تأمین نیاز پاییندست
احتمال خطر سیلاب نیز با استفاده از برنامه بهینهسازی به حداقل می رسد
کلمات کليدي: الگوریتم ژنتیک
پیوسته، مدیریت بهینه، پیشبینی ذخیره مخزن، سد شهرچای ارومیه
1. مقدمه
پیشبینی مؤلفههای
مؤثر در بررسی و تحلیل سامانه های منابع آب از جمله ذخیره مخازن سدها یکی از
موارد اساسی در سیاست بهره برداری، طراحی و مطالعات مربوط به این منابع محسوب میشود.
بدین منظور روشهای متعددی همانند شبکه های عصبی مصنوعی، منطق فازی، برنامهریزی ژنتیک،
مدلهای مختلف ریاضی، الگوریتمهای فراکاوشی و .... مورد استفاده قرار میگیرند.
روشهای مطرح شده برای بهینهسازی می توانند در دو دسته عمده طبقهبندی شوند: بهینهسازی
محلی و بهینهسازی فراگیر یا عام.برای بهینهسازی عام، اغلب از روشهای تکاملی
استفاده میشود. این الگوریتمها شامل الگوریتم های ژنتیک، بهینهسازی گروه ذرات،
باز پخت شبیهسازی شده و ... می باشند. الگوریتمهای ژنتیک پیوسته شناخته شدهترین
الگوریتمهای تکاملی هستند. این الگوریتم
بر مبنای نظریه تکاملداروین استوار استدر واقع یکی از شناخته شدهترین و
جدیدترین شیوه از بین روشهای الگوریتمهای تکاملی میباشد. قواعد اساسی الگوریتم
ژنتیک پیوسته برای اولین بار در سال 1962 توسط هالند معرفی گردید وتا به امروز
کاربردهای فراوانی در بهینهسازی توابع و شناسایی سیستم پیدا کردهاند.مطالعات
گلدبرگ و همکارانش باعث پیشرفتهای چشمگیری در مطالعات تئوری و کاربردهای عملی
این الگوریتم شد (Goldberg, 1989). این الگوریتم اقدام به تعریف یک تابع هدف در قالب معیارهای کمی
نموده و سپس تابع هدف را برای مقایسه جوابهای مختلف حل مسأله در یک فرآیند گام به
گام تصحیح ساختار دادهها به کار برده و در نهایت، بهینهترین و مناسبترین جواب
را ارائه می نمایند. قواعد اساسی الگوریتم ژنتیک پیوسته برای اولین بار در سال 1962
توسط هالند معرفی گردید وتا به امروز کاربردهای فراوانی در بهینهسازی توابع و
شناسایی سیستم پیدا کردهاند. به طور کلی در حل مسائل بهینهسازی از الگوریتمهای
سنتی و تکاملی استفاده میگردد. در بسیاری از مسائل ممکن است تابع هدف منفضل و یا
با کثرت ناگهانی همراه باشد که الگوریتمهای سنتی قادر به حل اینگونه مسائل کوچک
با تعداد متغیرهای محدود موثر میباشند، و در شرایطی که تعداد متغیرهای تصمیم
زیاد هستند کارآیی چندانی نخواهند داشت. لذا امروزه، به دلیل پیچیدگیها و مشکلات
مختلف در حل مسائل بهینهسازی تلاشهای گسترده ای جهت استفاده از الگوریتمهای
تصادفی صورت گرفته است. در این نوشتار یک الگوریتم جدید در زمینه محاسبات تکاملی
معرفی می شود که بر مبنای نظریه تکامل داروین استوار است.روش الگوریتم ژنتیک
پیوسته جزو الگوریتمهای فراکاوشی محسوب میشود. این الگوریتم اقدام به تعریف یک
تابع هدف در قالب معیارهای کمی نموده و سپس تابع ذکر شده را برای مقایسه جوابهای
مختلف حل مسأله در یک فرآیند گام به گام تصحیح ساختار دادهها به کار برده و در نهایت،
بهینهترین و مناسبترین جواب را ارائه می نمایند. روش الگوریتم ژنتیک پیوسته یکی
از شناخته شدهترین و جدیدترین شیوه از بین روشهای الگوریتمهای تکاملی می باشد
که به دلیل شمول بالا و دارا بودن دقت و سرعت بالا در اجرای مسائل بهینه سازی ، از
کاربرد بیشتری برخوردار میباشد (گلدبرگ 1989). فهمی و همکاران در سال (1994) از
الگوریتم ژنتیک برای یک سیستم مخزن استفاده کردند. اولیورا و لوکاس (1997) از
الگوریتم ژنتیک برای پیدا کردن منحنیهای فرمان یک سیستم با چندین مخزن استفاده
کردند. واردلو و شریف (1999) از الگوریتم ژنتیک در یک سیستم چهار مخزنه با افق
زمانی محدود استفاده کردند. یون و شوماخر (2001) از الگوریتم ژنتیک کدگذاری شده با مقادیر واقعی (RGA)و با دو عملگر گسترش
یافته برای یک سیستم آبهای زیرزمینی استفاده کردند. چانگیان ایا هوانگ کوانگ و
وانگ یی مین (2005) برای بهینهسازی مقدار رها سازی آب در 12 بازه زمانی ماهانه از
روش الگوریتم ژنتیک برای ماکزیمم کردن مقدار تولید نیروی برقابی استفاده کردند. نتایج
تحقیقات حاکی از برتری نسبی الگوریتم ژنتیک پیوسته به خصوص در حوزهی سیستم منابع
آب میباشد
برچسب ها:
ارائه روشی برای بهبود مدیریت و پیش بینی ذخیره مخزن سد با استفاده از الگوریتم ژنتیک پیوسته ارائه روشی برای بهبود مدیریت و پیش بینی ذخیره مخزن سد الگوریتم ژنتیک پیوسته الگوریتم ژنتیک مهندسی عمران کشاورزی و زراعت پایان نامه