مروری بر الگوریتم‌های فراکاوشی در مدیریت منابع آب

نوع مقاله : مقاله علمی- ترویجی

نویسندگان

1 دانشگاه بیرجند

2 بیرجند

چکیده

با توجه به وضعیت کنونی منابع آب و افزایش روزافزون تقاضای آب، تامین نیازها در آینده با محدودیت جدی مواجه خواهد بود. عدم تامین نیازها از یک طرف بعضاً باعث بروز مشکلات اجتماعی و سیاسی شده و از طرف دیگر بهره‌برداری بی‌رویه از منابع آب خسارات جبران‌ناپذیری به دنبال خواهد داشت. لذا برای برنامه‌ریزی جهت تامین و توسعه نیازهای فعلی و آینده استفاده از مدل‌های بهینه‌سازی یک ابزار کارآمد محسوب می‌شود. امروزه با توسعه و پیشرفت فناوری اطلاعات، الگوریتم‌های فراکاوشی مختلفی ابداع شده‌اند که می‌توانند در مدیریت و توسعه پایدار منابع آب موثر واقع شوند. مدیریت و توسعه‌ای که سه هدف اقتصادی و اجتماعی و اکولوژیکی را به طور پایدار تامین سازد. در این مقاله ضمن معرفی و مقایسه جامع‌ترین الگوریتم‌های فراکاوشی، به بررسی کارآیی، معایب و مزایای این الگوریتم‌ها پرداخته شده و در هر بخش مطالعات کاربردی انجام گرفته نیز بیان شده است. نتایج مطالعات نشان می‌دهد که الگوریتم‌های فراکاوشی جهت بهره‌وری بهینه از منابع آب و برنامه‌ریزی و توسعه آن در آینده، به طور موثری از حل مسائل بهینه‌سازی چند محدودیتی با فضای بزرگ و پیچیده برمی‌آیند.

کلیدواژه‌ها


آذرافزا، ه. و رضایی، ح. 1391. مقایسه نتایج بکارگیری الگوریتم‌های PSO ،GA ،SA در بهینه‌سازی سیستم‎های تک مخزنه، مطالعه موردی سد شهرچای، ارومیه، نشریه آب و خاک، 26(5): 1101-1108.
اکبری فرد، س.، قادری، ک. و علیان‌نژاد، م. 1394. بهره‌برداری بهینه از سیستم مخازن با استفاده از دو الگوریتم چرخه آب و جستجوی گرانشی (مطالعه موردی حوزه آبریز گرگانرود). نشریه علمی پژوهشی سد و نیروگاه برق آبی، 5(2): 69-81.
جوادزاده حقیقت، س. 1389. تخمین پارامترهای هیدرولیکی آبخوان توسط تکنیک بهینه‌سازی الگوریتم ژنتیک. پایان‏نامه کارشناسی ارشد عمران- منابع آب. دانشگاه صنعتی خواجه نصیرالدین طوسی.
حسین‌زاده، ح.، افشار، ع. و شریفی، ف. 1389. تخصیص بهینه بار آلودگی چندهدفه با استفاده از الگوریتم جامعه مورچه‌گان. مجله تحقیقات منابع آب ایران، 6(1): 122-136.
داریان، ع.ر. و سارانی، س. 1392. الگوریتم بهینه‌سازی موازی گروه گربه در بهره‎برداری از سیستم‌های منابع آب. کنفرانس بین‌المللی مهندسی عمران و معماری. دانشگاه آزاد تبریز، تبریز، ایران.
رجب‌پور، ر.، سامی کشکولی، ب.، فرجی، ط.، محمدزاده، ا. و سیف، ا. 1392. بهینه‌سازی هزینه انرژی مصرفی در سامانه‌های انتقال آب با استفاده از الگوریتم ژنتیک. نشریه مباحث برگزیده در انرژی، 2(1): 21-33.
سارانی، س. و برهانی داریان، ع.ر. 1392. کاربرد الگوریتم بهینه‌سازی جهش قورباغه در سیستم‌های منابع آب. هفتمین کنگره ملی مهندسی عمران، دانشگاه سیستان و بلوچستان، زاهدان، ایران.
صابرچناری، ک.، عبقری، ه. و عرفانیان، م. 1391. ارائه مدل کوتاه مدت بهره‌برداری بهینه از منابع آب با استفاده از الگوریتم جامعه ذرات و مقایسه آن با الگوریتم ژنتیک. مجله پژوهش‌های آبخیزداری، 91(3): 48-60.
صادقی رام، س. 1393. مقایسه کارآیی الگوریتم‌های بهینه‌سازی اجتماع ذرات و غذایابی باکتری در بهینه‌سازی مسائل چند بعدی. اولین کنفرانس ملی ریاضیات، دانشگاه تبریز، تبریز، ایران.
صمدزادگان، ف. و علیزاده، ا. 1389. خوشه‎بندی داده‏های فراطیفی با استفاده از الگوریتم بهینه‌سازی گروه گربه‌سانان. نشریه علمی-ترویجی مهندسی نقشه‌برداری و اطلاعات مکانی، 4(1): 113-125.
عمادی، ع. و کاکویی، س. 1393. تعیین ابعاد حوضچه رسوبگیر با در نظر گرفتن خصوصیات هیدرولیکی، رسوبی و سازه‌ای با استفاده از الگوریتم جامعه مورچگان. نشریه پژوهش‌های حفاظت آب و خاک، 21(2): 71-85.
قدمی، س م.، قهرمان، ب.، شریفی، م.ب. و رجبی مشهدی، ح. 1388. بهینه‌سازی بهره‌برداری از سیستم‌های چند مخزنی منابع آب با استفاده از الگوریتم ژنتیک. مجله تحقیقات منابع آب ایران، 5(2): 120-134.
قنبری،. م. 1390. هماهنگی کوتاه مدت نیروگاه‌های آبی و حرارتی با قیود حفاظتی. پایان‌نامه کارشناسی‌ارشد برق قدرت، دانشکده مهندسی برق و کامپیوتر. دانشگاه سمنان.
کارآموز، م.، احمدی، آ. و نظیف، س. 1385. چالش‌ها و فرصت‌های بکارگیری مدل‌های بهره‎برداری بهینه از سیستم‌های منابع آب. اولین ‌همایش‌ منطقه‌ای بهره‌برداری ‌بهینه‌ از منابع ‌آب‌ حوضه‌های کارون ‌و‌ زاینده‌رود، دانشگاه شهرکرد، شهرکرد، ایران.
کارآموز، م.، زهرایی، ب. 1382. انعطاف‌پذیری در برنامه‌ریزی و مدیریت منابع آب. مجله علمی پژوهشی دانشگاه صنعتی شریف،23(3): 39-52.
کیافر، ح.، اشرف صدرالدینی، ع.، ناظمی، ا.ح. و ثانی‌خانی، ه. 1390. تخصیص بهینه آب در شبکه آبیاری و زهکشی در استان آذربایجان شرقی با استفاده از الگوریتم ژنتیک. مجله علمی پژوهشی مهندسی آبیاری و آب، 5(2): 45-60.
Baghipour R., Hosseini S.M. and Boor Z. 2014. A Water Cycle Algorithm for Optimal Allocation of DGs in Distribution System Considering Environmental Profit. International Journal of Mechatronics, Electrical and Computer Technology, 4(11): 430-454.
Bozorg Haddad O., Moravej M. and Loaiciga H.A. 2014. Application of the Water Cycle Algorithm to the Optimal Operation of Reservoir Systems. Journal of Irrigation and Drainage Engineering, 141(5):140-164.
Bullnheimer B., Hartl R.F. and Strauss C. 1999. A new rank-based version of the Ant System: Acomputational study. Central European Journal for Operations Research and Economics, 7(1): 25-38.
Chen H. and Zhu Y. 2008. Optimization based on symbiotic multi-species coevolution. journal on Applied Mathematics and Computation, 22(3): 179-194.
Chu SC., Tsai PW. and Pan JS. 2006. Cat swarm optimization, Proc. of the 9th Pacific Rim International Conference on Artificial Intelligence, LNAI. (p. 854-858)
Chung G. and Lansey K. 2008. Application of the Shuffled Frog Leaping Algorithm for the Optimization of a General Large-Scale Water Supply System. Water Resource Manage, 23(3): 797-823.
Darigo M., and Stutzle T. 2008. Ant Colony Optimization IEEE Computational Intelligent Magazine, (p. 28-39).
Eskandar H., Sadollah A., Bahreininejad A. and Hamdi M. 2012. Water cycle algorithm -A novel metaheuristic optimization method for solving constrained engineering optimization problems. Computers and Structures, (p.151–166).
Eusuff M. and Lansey K. 2003. Optimization of water distribution network design using the shuffled frog leaping algorithm. Journal of Water Resources Planning and Management, 129(2): 210–215.
Eusuff M., Lansey K. and Pasha F. 2006. Shuffled frog-leaping algorithm a memetic meta-heuristic fordiscrete optimization. Engineering Optimization, 38(2): 129-154.
Halland J. 1975. Adaptation in Natural and Artificial Systems. MIT Pess Combridge, (p. 228).
Hi S., Belacel N., Hamam H. and Bouslimani Y. 2009. Fuzzy Clustering with Improved Artificial Fish Swarm Algorithm. In International Joint Conference on Computational Sciences and Optimization, (p. 317-321).
Hjorth P. and Madani M. 2014. Sustainability Monitoring and Assessment New Challenges Require New Thinking. Journal Of Water Resources Planing And Management, (140)2: 133-135
Huynh T.H. 2008. A Modified Shuffled Frog Leaping Algorithm for Optimal Tuning of Multivariable PID Controllers. Industrial Technology, ICIT, IEEE International Conference on, Chengdu, (p. 1-6).
Izquierdo J., Montalvo I., Perez R. and Fuertes V. 2008. Design optimization of wastewater collection networks by PSO. Computers and Mathematics with Applications. (p. 777-784).
Kennedy J. and Eberhart R.C. 1995. Particle swarm optimization, in Proc. IEEE Int. Conf. Neural Networks, Perth, Australia, (p. 1942-1948).
Kumar D.N., and Reddy M.J. 2006. Ant Colony Optimization for Multi-Purpose Reservoir Operation. Journal of Water Resources Management, 20(6): 879-898.
Li L., X Shao Z.J. and Qian J.X. 2002. An Optimizing Method Based on Autonomous Animate Fish Swarm Algorithm. In Proceeding of System Engineering Theory and Practice, (p. 32-38).
Montalvo I., Izquierdoa J., Pereza R. and Tungb M.M. 2008. Particle Swarm Optimization applied to the design of water supply systems. Computers and Mathematics with Applications, (p. 769–776).
Passino K.M. 2002. Biomimicry of bacterial foraging for distributed optimization and control. IEEE Control Systems Magazine, 22(3): 52-67.
Sandoval S., McKinney D. and Loucks P. 2011. Sustainability index for water resources planning and management, 106(10): 381–468.
Shi Y. and Eberhart R.C. 1998. A modified Particle Swarm Optimizer, in Proceedings of IEEE International Conference on Evolutionary Computation, (p. 69-73).
Simonovic S.P. 2009. Managing water resources, methods and tools for a system approach. United Nations Educational, Scientific and Cultural Organization (UNESCO), Paris.
tripathy m., mishra l., lai l. and zhang q. 2006. transmission loss reduction based on FACTS and bacteria foraging algoritm. In Proceedings of the 9th International Conference on Parallel Problem Solving from Nature (PPSN IX), (p. 222-231).
Tsai PW., Pan JS., Chen SM., Liao BY. and Hao SP. 2008. Parallel Cat Swarm Optimization. Proceedings of the Seventh International Conference on Machine Learning and Cybernetics, Kunming, (p. 3328-3333).
Tukey J. 1965. The future of data analysis. Ann. Math. Stat., 33(1):13.
Wardlaw R. and Sharif M. (1999) Evaluation of Genetic Algorithms for Optimal Reservior System Operation. Journal of Water Resource Planning and Management ASCE, 125(1): 25-33.
Yaghini M. and Akhavan R. 2010. DIMMA A Design and Implementation Methodology for Metaheuristic Algorithms - A Perspective from Software Development. International Journal of Applied Metaheuristic Computing, 1(4): 57-74.
Zhang M., Shao C. Li M. and Sun J. 2006. Mining Classification Rule with Artificial Fish Swarm, In 6thWorld Congress on Intelligent Control and Automation, (p. 5877-5881).
CAPTCHA Image