سیدا دانلود مقاله در مورد کاربرد مقایسه‌ای الگوریتم در بهینه‌سازی بهره‌برداری از سیستم چندمخزنی 18 ص

دانلود مقاله در مورد کاربرد مقایسه‌ای الگوریتم در بهینه‌سازی بهره‌برداری از سیستم چندمخزنی 18 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 22
حجم فایل: 453 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 22 صفحه

 قسمتی از متن word (..doc) : 
 

‏کاربرد مقایسه‏‌‏ای الگوریتم در بهینه‏‌‏سازی بهره‏‌‏برداری از سیستم چندمخزنی
‏چکیده
‏در این مقاله، کاربرد الگوریتم ژنتیک در بهینه‏‌‏سازی بهره‏‌‏برداری از سیستم‏‌‏های چندمخزنی بررسی شده است. بهینه‏‌‏سازی پارامترهای سیاست بهره‏‌‏برداری در این روش، صرفاً با استفاده از نتایج شبیه‏‌‏سازی سیستم انجام می‏‌‏شود. بنابراین می‏‌‏توان انواع مختلفی از مسائل بهره‏‌‏برداری را مستقل از نوع تابع هدف و قیدهای آن و نیز ساختار سیاست بهره‏‌‏برداری، بهینه‏‌‏سازی نمود. در این مقاله ‏پس از بررسی اجمالی روش الگوریتم ژنتیک پیشنهادی، عملکرد‏‌‏ آن در بهینه‏‌‏سازی یک سیستم پویای استوکستیک و برنامه‏‌‏ریزی پویا با رگرسیون مقایسه شده است. نتایج حاصل، نشانگر برتری الگوریتم ژنتیک هم به لحاظ سرعت و محاسیبات و هم مقدار تابع هدف در مقایسه با دو روش دیگر‏ بوده است. با این حال ‏به منظور افزایش کارایی این روش، اصلاحاتی در آن صورت گرفته است. بهبود کارایی ‏عملگرهای الگوریتم ژنتیک به ویژه ‏استفاده از قانون به هنگام‏‌‏سازی ‏قدرت جهش و محاسبه برازندگی کروموزوم‏‌‏ها بوسیله شبیه‏‌‏سازی سیستم با دوره‏‌‏های متغیر، دو نمونه از این اصلاحات را تشکیل داده‏‌‏اند.
‏در بررسی‏‌‏های انجام شده ‏اثر این اصلاحات کاملاً مفید ارزیابی شده است‏، به گونه‏‌‏ای که روش اصلاح شده قادر خواهد بود در مدت زمانی کمتر به نتایجی بهتر از روش معمولی دست یابد. ارزیابی مدل نهایی الگوریتم ژنتیک نشان می‏‌‏دهد که روش پیشنهادی، روشی بسیار ‏کارآمد در حل مسائل سیستم‏‌‏های بزرگ است که حل آنها با روش‏‌‏های رایج غالباً غیرممکن است. به عبارتی، ارزش و کارامدی عمل‏گرهای پیشنهادی از نقطه‏‌‏ای شروع ‏می‏‌‏شود که عملگرهای رایج الگوریتم ژنتیک در آن نقطه متوقف شده و قادر به پیشروی نیستند.
‏1- ‏مقدمه
‏بهینه‏‌‏سازی بهره‏‌‏برداری از سیستم‏‌‏های چندمخزنی و تدوین قوانین ‏و سیاست‏‌‏های کارآمد بهره‏‌‏برداری از آنها از چندین دهه ‏پیش یکی از موضوعات اصلی در مطالعات منابع آب بوده و تحقیقات گسترده‏‌‏ای بر آن انجام شده است. در این راه پیشرفت‏‌‏های فراوانی چه به لحاظ استراتژی‏‌‏های جدید و کارآمد حل مساله و چه از نظر افزایش توانمندی و سرعت ‏کامپیوترهای شخصی به عنوان اب‏زارهای محاسباتی بوجود آمده است. اما به رغم این پیشرفت‏‌‏ها، بهینه‏‌‏سازی بهره‏‌‏برداری از یک سیستم چندمخزنی بزرگ به صورت یکپارچه به ویژه هنگامی که عدم قطعیت‏‌‏های هیدرولوژیکی ‏سیستم به صورت واقع‏‌‏بینانه در نظر گرفته می‏‌‏شوند، همچنان ‏کاری چ‏الش‏‌‏دار باقی مانده است‏.
‏لادبادیه در مروری بر استراتژی‏‌‏های حل مساله بهینه‏‌‏سازی بهره‏‌‏برداری از سیستم مخازن، این استراتژی‏‌‏ها را در چهار دسته بهینه‏‌‏سازی استوکستیک ضمنی، بهینه‏‌‏سازی استوکستیک صریح، ‏کنترل بهینه زمان واقعی ‏و روش‏‌‏های برنامه‏‌‏ریزی کاوشی مورد بررسی قرار‏ داده است. ‏روش الگوریتم ژنتیک ‏در این بررسی به عنوان یک روش برنامه‏‌‏ریزی ‏ ‏کاوشی در نظر گرفته شده است و دارای این مزیت وی‏ژه می‏‌‏باشد که می‏‌‏دانید تمامی جزئیات مدل‏‌‏های شبیه‏‌‏سازی درنظر بگیرید،‏‌‏ بدون آنکه به فرضیاتی برای ساده‏‌‏سازی درنظر بگیرید، بدون آنکه ‏به فرضیاتی برای ساده‏‌‏سازی مساله یا محاسبه مشتقات تابع هدف نیاز داشته باشد. از این رو می‏‌‏توان روش GA‏ را استراتژی ‏امیدوارکننده‏‌‏ای در حل مساله بهره‏‌‏برداری بهینه از سیستم مخازن، به ویژه در سیستم‏‌‏های واقعی بزرگ با توابع هدف و قیدهای پیچیده غیرخطی و تفکیک‏‌‏ناپذیر ‏دانست.
‏الگوریتم ژنتیک از طریق فرآیندی شبیه به روش‏‌‏های انتخاب طبیعی در علوم زیست‏‌‏شناسی به بهینه‏‌‏سازی مسائل می‏‌‏پردازد. این الگوریتم‏‌‏ها ‏در طول دهه گذشته به طور گسترده به عنوان ابزارهای جستجو و بهینه‏‌‏سازی در رشته‏‌‏های مختلف از جمله بازرگانی، علوم و مهندسی بکار گرفته شده‏‌‏اند.
‏اگرچه استفاده از GA‏ در مستئل بهره‏‌‏برداری از سیستم‏‌‏های منابع آب روش نسبتاً جدید محسوب می‏‌‏شود، اما کاربردهای ‏موفقی از آن گزارش رشده است. ‏ایسات و هال کاربرد
GA‏ را در یک سیستم چهارمخزنی معروف بررسی کردند. آنها مدل GA‏ را با برنامه‏‌‏ریزی پویا، مقایسه و آن را به لحاظ ‏نیازهای محاسباتی کاملاً برتری گزارش نمودند. واردلا و شریف نیز از GA‏ برای بهینه‏‌‏سازی همان سیستم چهارمخزنی ‏استفاده کرده و نشان دادند که این روش می‏‌‏تواند جواب‏‌‏های توانمند و قابل قبولی ‏ارائه دهد. یک سال بعد این کار توسط شریف و واردلا توسعه بیشتری یافت. اولیویرا و لاکس از GA‏ برای بهینه‏‌‏سازی منحنی‏‌‏های فرمان در سیستم‏‌‏های چندمخزنی سیاست‏‌‏های بهره‏‌‏برداری از سیستم‏‌‏های مخازن پیچیده ‏ارزیابی نمودند. ‏کای و همکاران، GA‏ را برنامه‏‌‏های خطی با موفق‏یت مورد استفاده قرار دادند.
‏چن ‏از این الگوریتم در به دست آوردن ‏منحنی‏‌‏های فرمان یک سیستم تک‏‌‏مخزنی استفاده کرد و آن را ‏برای بهینه‏‌‏سازی سیستم‏‌‏های کاملاً غیرخطی، بسیار مو‏ثر ارزیابی نمود. تونگ و همکاران ‏از GA‏ برای تعیین مقدار بهینه پارامترهای ‏نوعی از منحنی‏‌‏های بهره‏‌‏برداری مخازن استفاده کرده و آن را ابزار ‏قدرتمندی برای یافتن استراتژی‏‌‏های ‏مدیریت منابع آب بهینه ارزیابی نمودند. ممتحن ‏و همکارانریال از GA‏ در بهینه‏‌‏سازی ساختارهای ‏مختلفی از سیاست‏‌‏های ‏بهره‏‌‏برداری برای یک سیستم تک‏‌‏مخزنی استفاده ‏کردند و عملکرد آن را با روش‏‌‏های برنامه‏‌‏ریزی پویای استوکستیک و برنامه‏‌‏ریزی پویا رگرسیون به عنوان دو روش مرسوم بهینه‏‌‏سازی مقایسه نمودند. آنها سیاست‏‌‏های ‏با ساختار خطی و خطی قطعه‏‌‏ای به دست آمده از روش GA‏ را برتر از سیاست‏‌‏هاتی حاصل از روش‏‌‏های بهینه‏‌‏سازی مرسوم گزارش نمودند.
‏به طور کلی می‏‌‏توان کاربرد GA‏ ‏در بهینه‏‌‏سازی بهره‏‌‏برداری از منابع آب را در تحقیقات گذشته به دو دسته بهینه‏‌‏سازی‏‌‏ برداشت‏‌‏های هر دوره زمانی ‏و بهینه‏‌‏سازی پارامترهای سیاست بهره‏‌‏برداری‏ تقسیم کرد. در این دسته‏‌‏بندی، شریف و واردلا از دسته اول و اولیویرا و لاکس و ممتحن و ‏همکاران از دسته دوم می‏‌‏باشند. در دسته اول GA‏ ‏به طریقی بکار گرفته می‏‌‏شود که نتایجی مشابه مدل‏‌‏های برنامه‏‌‏ریزی پویا تولید کند و بنابراین ‏به طور خودکار قسمتی از مشکلات محاسباتی این مدل‏‌‏ها را نیز به همراه خواهد داشت، اما در دسته دوم ‏از GA‏ با یک ‏رویکرد جدید، یعنی جستجوی مستقیم پارامترهای سیاست، استفاده شده است، به گونه
‏‌‏ای ‏روش‏‌‏های بهینه‏‌‏سازی دیگر امکان استفاده در این رویکرد را ندارند. بنابراین، به نظر می‏‌‏رسد ‏در این روش استفاده بهتری از پتانسیل GA‏ می‏‌‏شود. ‏روش مورد استفاده در این مقاله نیز از دسته دوم می‏‌‏باشد.
‏در مقاله حاضر کار ممتحن و همکاران توسعه داده شده و روش جستجوی مستقیم پارامترهای سیاست، با استفاده از GA‏ در سیستم‏‌‏های چندمخزنی بررسی شده است. همچنین در بخش‏‌‏های مختلفی از این روش اصلاحاتی پیشنهاد شده تا بتوان سیاست‏‌‏های بهینه‏‌‏سازی بهتری را در زمانی کمتر به دست آورد. عملکرد این مدل به لحاظ ‏نیازهای محاسباتی و مقادیر ‏تابع هدف در یک سیستم سه مخزنی با مدل‏‌‏های SDR, DRP‏ ‏مقایسه شده است.
‏2- روش تحقیق
‏2-1 ‏روش بهینه‏‌‏سازی با استفاده از الگوریتم ژنتیک
‏در بهینه‏‌‏سازی سیاست‏‌‏های بهره‏‌‏برداری از سیستم مخازن با استفاده از GA‏، ابتدا سیاست بهره‏‌‏برداری به صورت روابطی پارامتریک با ساختار معین تعریف و سپس مقادیر بهینه پارامترها مستقیماً بوسیله GA‏ تعیین می‏‌‏گردد. معیار اصلی بهینه‏‌‏سازی در این روش، مقدار تابع هدف حاصل از شبیه‏‌‏سازی سیستم متناظر با هر دسته از پارامترهای سیاست است. بنابراین انواع توابع بهینه‏‌‏سازی و ساختارهای سیاست بهره‏‌‏برداری را می‏‌‏توان بدون نیاز به شرایطی چون خطی یا تفکیک‏‌‏پذیر بودن، مورد تحلیل قرار داد. این آزادی عمل در انتخاب نوع سیاست بهره‏‌‏برداری، بررسی هرچه بیشتر این سیاست‏‌‏ها را از جهات گوناگون طلب می‏‌‏کند.
‏یک سیاست بهره‏‌‏برداری، مشتمل بر مجموعه‏‌‏ای از قوانین است که در حالت‏‌‏های مختلف بهره‏‌‏برداری، مقداری آبی را که باید ذخیره یا رهاسازی شوند، تعیین نمی‏‌‏نماید. بنابراین به منظور مشخص نمودن ساختار سیاست بهره‏‌‏برداری از یک سیستم چندمخزنی باید نوع متغیرهای حالت و تصمیم (یا همان متغیرهای ورودی و خروجی از قوانین بهره‏‌‏برداری) و رابطه بین آنها را برای قوانین متناظر با هر از مخازن سیستم انتخاب نمود. اگرچه نوع متغیرهای ورودی و خروجی سیاست نیز بویژه در سیستم

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.