بهینه‌سازی طراحی شبکه توزیع ‌آب شهری با ‌استفاده ‌از الگوریتم ارتقا یافته کلونی زنبور‌عسل ‌مصنوعی

نوع مقاله : پژوهشی کاربردی

نویسندگان

1 دانشجوی کارشناسی ارشد محیط‏زیست-آب و فاضلاب، گروه عمران، دانشکده مهندسی عمران حمل و نقل، دانشگاه اصفهان، ایران

2 دانشیار، گروه عمران، دانشکده مهندسی عمران حمل و نقل، دانشگاه اصفهان، ایران

چکیده

شبکه‌های توزیع‌ آب شهری از زیرساخت‌های مهم و پر‌ هزینه شهری می‌باشند. بخش زیادی از هزینه‌های شبکه توزیع ‌آب شهری، مربوط به فرآیند‌های اجرایی و خرید متعلقات شبکه توزیع‌ آب است. از‌این‌رو، با کاهش و بهینه‌سازی آن، هزینه شبکه توزیع ‌آب کاهش می‌یابد. به ‌این منظور، لازم است مساله طراحی شبکه توزیع‌ آب شهری در چارچوب یک مساله بهینه‌سازی بررسی و با‌ استفاده‌ از یک روش کارآمد حل شود. الگوریتم‌های فراکاوشی از‌ جمله روش‌های کارآمد برای حل مدل‌های بهینه‌سازی می‌باشند. در ‌این تحقیق، دو مثال نمونه یعنی شبکه توزیع ‌آب دوحلقه‌ای تحقیق اسکاک و لای و شبکه توزیع آب شهر نیویورک در محیط نرم‌افزار EPANET مدل‌سازی و با‌ استفاده‌ از نسخه اصلاحی الگوریتم بهینه‌سازی کلونی زنبور‌عسل‌ مصنوعی در محیط نرم‌افزار MATLAB حل می‌شوند. به‌منظور بررسی کارایی الگوریتم پیشنهادی، نتایج با نسخه‌ پایه و استاندارد الگوریتم کلونی زنبورعسل ‌مصنوعی و سایر نتایج موجود برای دو شبکه شاخص به‏نام‌های دوحلقه‏‌ای و شهر نیویورک مقایسه می‌شود. برای شبکه‏های دوحلقه‌‏ای و شهر نیویورک مقدار تابع‌ هدف به‌ترتیب مقدار تابع ‌هدف 419000 دلار و 13/38 میلیون دلار و هزینه‌محاسباتی به ترتیب مقادیر 2800 و 3800 با ‌استفاده ‌از الگوریتم اصلاحی زنبورعسل ‌مصنوعی به‏‌دست می‏‌آید. بررسی نتایج نشان‌دهنده کاهش هزینه‌های احداث و هزینه‌های محاسباتی این الگوریتم در مقایسه با نسخه استاندارد می‌باشد. بنابراین، ‌این الگوریتم، یک الگوریتم کارآمد برای حل مسائل بهینه‌سازی به ویژه طراحی شبکه توزیع ‌آب می‌باشد.

کلیدواژه‌ها

موضوعات


فتخاری، م. و اکبری، م. 1399. ارزیابی هزینه‌ای مدل‌های فرا‌ابتکاری مورد استفاده در طراحی شبکه توزیع‌ آب شهری. مجله آب و فاضلاب، 2: 48-56.
افشار، م.ه. و غفوری، ح.ر. 1382. طراحی بهینه شبکه‌های توزیع ‌آب، نشریه بین‌المللی علوم مهندسی، 14(2): 133-145.
خلیفه، س.غ.، بارانی، ع.، خلیفه، و. و ذونعمت کرمانی. م. 1398. بهینه‌سازی‌ شبکه‌ توزیع‌ آب با الگوریتم ژنتیک موجود در مدل Water Gems (مطالعه ‌موردی: شهرروی در استان هرمزگان)، نشریه مهندسی عمران، 32: 111-123.
شاهی، ب.، جعفرزداه، م. ر. و موسویان، ع. ن. 1392. کاربرد الگوریتم تکامل‌ تفاضلی (DE) در بهینه‌سازی سیستم‌های توزیع‌ آب ‌شهری (مطالعه ‌موردی بر روی شبکه آبرسانی شهر تربت جام). هفتمین کنگره ملی مهندسی عمران. زاهدان،‌ ایران.
معینی، ر. و سقراطی، ف. 1399. بهره‌برداری بهینه از سامانه سد تک ‌مخزنه با الگوریتم اصلاحی کلونی زنبور‌عسل‌ مصنوعی (مطالعه ‌موردی: سد دز در استان خوزستان). نشریه دانش آب و خاک، 30(1): 109-121.
Abebe A.J. and Solomatine D.P. 1999. Application of global optimization to the design of pipe networks. 3rd International Conference on Hydroinformatics, Copenhagen, Balkema, Rotterdam
Afshar M.H. 2007. Application of ant algorithm to pipe network optimization. Iranian Journal of Science and Technology, Transactions B: Engineering, 31(B5): 487-500.
Afshar M.H. 2009. Application of a compact genetic algorithm to pipe network optimization problems,Scientia Iranica. Transactions A: Civil Engineering, 16(3): 264- 271.
Cunha M.C. and Sousa J. 1999. Water distribution network design optimization: simulated annealing approach, Journal of Water Resources Planning and Management, 125(4): 215-221. 
El-Ghandour H. A .and Elbeltagi E. 2018. Comparison of five evolutionary algorithms foroptimization of water distribution networks. Journal of Computing in Civil Engineering, 32(1): 04017066.01-10.
Eusuff M.M. and Lansey K. E. 2003. Optimization of water distribution network design using the shuffled frog leaping algorithm, Journal Water Resource Planning Management, 129(3): 210–225.
Heydari S., Mamizadeh J., Sarvarian J. and Ahmadi G. 2020. Optimization of water distribution networks using developed binary genetic algorithm and hydraulic model software,Journal of applied resource in water and wastewater, 13: 30-35.
Hosseini K., Jafari Nodoushan E., Barati R. and Shahheydari H. 2016. Optimal design of labyrinth spillways using meta-heuristic algorithms. KSCE Journal of Civil Engineering, 20(1): 468-477.
Karaboga D. and Basturk B. 2007. A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm,Journal of Global Optimization, 39: 459-471.
Kazemi M. and Barati R. 2022. Application of dimensional analysis and multi-gene genetic programming to predict the performance of tunnel boring machines. Applied Soft Computing, 124: 108997.
Khetrapal P. Pathan J. and Shrivastava S. 2020. Power loss minimization in radial distribution systems with simultaneous placement and sizing of different types of distribution generation units using improved artificial bee colony algorithm,International Journal on Electrical Engineering and Informatics, 12: 1-22.
Lippai I., Heaney J.P. and Laguna M. 1999. Robust water system design with commercial intelligent search optimizers, Journal of Computing in Civil Engineering, 13(3): 135-143.
Maier H.R., Simpson A.R., Zecchin A.C., Foong W.K., Phang K.Y., Seah H.Y. and Tan C.L. 2003. Ant colony optimization for design of water distribution systems, Water Resources Planning and Management, 129(3): 200–209.
Mehta D.J., Yadav V., Waikhom S. and Prajapati K. 2017. Design of optimal water distribution systems using WATERGEMS: A case study of Surat City. E-proceedings of the 37th IAHR World Congress. Kuala Lumpur, Malaysia.
Moeini R. and Mousavi Moulaei S.A. 2018.Simulation-optimization model for design of water distribution system using ant based algorithms,The Journal of Engineering Research (TJER),15(1): 42-60.
Moosavian N. and Lence B.J. 2019. Fittest individual referenced differential evolutionalgorithms for optimization of water distribution networks. Journal of Computing in Civil Engineering, 33(6): 04019036-1-16.
Mirbod S.A.R., Daei M. and Tajmir riahi H. 2017. Development of R-μrelation for the seismically base isolated structures using modified ABC algoritem,International journal of optimization in civil Engineering, 7: 25-44.
Murphy L.J., Simpson A.R. and Dandy G.C. 1993.Design of a network using genetic algorithms,Water, 20: 40-42.
Praneeth P, Vasan A and Raju KS. 2019. Pipe size design optimization of water distribution networks using water cycle algorithm. In: Harmony Search and Nature Inspired Optimization Algorithms. Singapore: Springer, 741: 1057-1067.
Poojitha S.N., Singh G. and Jothiprakash V. 2020. Improving the optimal solution ofGoYang network – using genetic algorithm and differential evolution. WaterSupply, 20(1): 95–102
Reca J., Martinez J. and Lopez R. 2017. A hybrid water distribution networks design optimization method based on a search space reduction approach and a genetic algorithm, Water journal, 9: 845-855.
Sadeghifar T. and Barati R. 2018. Application of adaptive Neuro-fuzzy inference system to estimate alongshore sediment transport rate (A real case study: southern shorelines of Caspian Sea). Journal of Soft Computing in Civil Engineering, 2(4): 72-85.
Savic D.A. and Walters G.A. 1977. Genetic algorithms for least-cost design of water distribution networks, Journal of water resources planning and management, 123(2): 67-77.
Schaake J. C. and Lai F.H. 1969. Linear programming and dynamic programming applications to water distribution network design. Rep.116. Deptartment of civil engineering. Massachusetts Inst. of Technol. Cambridge Massachusetts, United States.
ShendeC. and Chau K.W. 2019. Design of water distribution systems using an intelligent simple benchmarking algorithm with respect to cost optimization and computational efficiency,Water Supply, 19: 1892-1898.
Tong L., Han G. and Qia J. 2011. Design of water distribution network via ant colony optimization,The 2nd international conference on intelligent control and information processing. Harbin, China.
Wu Z. Y., Boulos P. F., Orr C. H. and Ro J. J. 2001. Using genetic algorithms to rehabilitate distribution systems, Journal of americanwater works association, 93(11): 74-85.
Zheng F. 2015. Comparing the real-time searching behavior of four differentialevolutionvariants applied to water-distribution-network designoptimization. Journal of Water Resources Planning and Management, 141(10): 04015016-1-12.
CAPTCHA Image