ارزیابی الگوریتم‌های ژنتیک و ازدحام ذرات با تکیه بر رویکرد مرتب‌سازی نامغلوب برای بهینه‌سازی چندهدفه بهره‌برداری از مخازن

Abstract

مسائل بهینه‌سازی بهره‌برداری از مخازن سدها از جمله مسائل مهم در علوم آب می باشد که تا کنون با انواع روش های بهینه‌سازی مورد بررسی قرار گرفته است. در سال‌های اخیر تعداد زیادی از الگوریتم‌های تکاملی چندهدفه معرفی شده است. از جمله این الگوریتم‌ها می‌توان به نسخه دوم الگوریتم ژنتیک چندهدفه با مرتب‌سازی نامغلوب اشاره نمود که در سال 2002 توسط دب و همکاران معرفی شد. در این تحقیق نوآوری و هدف استفاده از الگوریتم ازدحام ذرات با رویکرد مرتب‌سازی نامغلوب و بررسی کارایی این الگوریتم در بحث بهینه‌سازی بهره‌برداری از مخزن سد است. در نهایت نتایج حاصل از آن با الگوریتم NSGA-II مقایسه گردد تا در نهایت به یک سیاست مدیریتی پایدار در سیستم‌های منابع آب و به ویژه بهره‌برداری از مخزن سد رسید. در این تحقیق نسخه چندهدفه الگوریتم ژنتیک و ازدحام ذرات با به کارگیری مفاهیمی همچون غلبه و فاصله ازدحامی مورد بررسی قرار گرفتند و برای حل مسئله بهینه‌سازی بهره‌برداری از مخزن سد ملاصدرا واقع در استان فارس به کار برده شدند. مسئله بهینه‌سازی با دو هدف تعریف گردید. یکی از آن‌ها کمینه‌سازی اختلاف نیاز کشاورزی از رهاسازی بوده است و تابع هدف دوم بیشینه‌سازی حجم ذخیره سیلاب تعریف گردید. دو الگوریتم با توجه معیارهایی مانند زمان اجرا، تعداد راه حل‌هایی که در جبهه پارتو قرار می‌گیرند، معیار فاصله و معیار عملکرد مقایسه شدند. نتایج تحقیق نشان داد که هر دو الگوریتم توانایی حل این مسئله بهینه‌سازی را دارا می‌باشند. همچنین نتایج نشان داد که هر یک از الگوریتم‌ها در برخی از معیارها، عملکرد مناسب‌تری نسبت به دیگر داشته است. نتایج بررسی زمان اجرای هر یک از الگوریتم‌ها نشان داد که سرعت اجرای الگوریتم چندهدفه ازدحام ذرات (NSPSO-II) به مراتب بیشتر از الگوریتم چندهدفه ژنتیک (NSGA-II) است به طوری که میانگین زمان اجرای الگوریتم NSGA-II در تعداد جمعیت 50 با مقدار 3897/21 ثانیه تقریبا سه برابر میانگین زمان اجرا در الگوریتم NSPSO-II با مقدار 3169/6 ثانیه است. با توجه به معیار عملکرد نیز الگوریتم NSPSO-II عملکرد مناسب‌تری نسبت به الگوریم NSGA-II داشته است. اما از سوی دیگر با توجه به معیار تعداد راه حل‌های واقع در جبهه پارتو الگوریتم NSGA-II تعداد راه حل‌های بسیار بیشتری را در جبهه پارتو یافته است و به همین دلیل فاصله در الگوریتم NSGA-II کمتر از NSPSO-II بوده است. الگوریتم NSGA-II تعداد راه حل‌های بسیار بیشتری را در جبهه بهینه پارتو یافته است و راه حل‌های واقع در جبهه بهینه پارتو به طور مناسبی جبهه پارتو را بر خلاف الگوریتم NSPSO پوشش دادند. همچنین مقایسه راه حل‌های واقع در جبهه بهینه پارتو نشان داد که الگوریتم NSPSO-II در راستای بیشینه‌سازی تابع هدف دوم گام برداشته در حالی که الگوریتم NSGA-II در راستای کمینه‌سازی تابع هدف اول حرکت کرده است.