بهره برداری بهینه از سیستمهای چند مخزنه بوسیله الگوریتم ژنتیک و برنامه ریزی خطی

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,646

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCE07_054

تاریخ نمایه سازی: 29 دی 1384

چکیده مقاله:

روشهای تکاملی مبتنی بر جستجو مانند الگوریتم های ژنتیک (Genetic Algorithms) یا GA به عنوان یکی از روشهای حل مساله بهینه سازی بهره برداری از مخازن سدها شامل روابط غیر خطی و غیر محدب می باشند. در این مقاله یک مدل ترکیبی با استفاده از الگوریتم ژنتیک و برنامه ریزی خطی (Linear Programming) یا LP که روشی سریع و کارآمد در حل مدلهای مرتبط می باشد، توسعه داده شده است. هدف از رویکرد به این مدل ترکیبی بهره گیری از هر یک از دو روش مذکور جهت محاسبه قسمتی از پارامترهای مساله است. این کار با انتخاب یکی از متغیرهای دخیل درشکل گیری روابط غیر خطی مدل و ایجاد آن توسط GA آغاز می گردد. نتیجه ایجاد متغیر انتخابی و قابت شدن مقدار آن در مدل، تبدیل شدن مدل غیر خطی اولیه به یک مدل خطی می باشد. جهت حل مدل خطی باقیمانده و محاسبه مقادیر سایر پارامترهای مساله نیز از روش LP استفاده می گردد. بدین ترتیب روش ترکیبی GA-LP این امکان را فراهم می سازد تا بدون اعمال تغییری در ماهیت روابط پیچده مدل و استفاده مناسب از هر یک از دو روش مذکور بتوان به صورت موثر مبادرت به حل مساله نمود. در این مطالعه کاربرد روش ترکیبی فوق در مساله بهینه سازی بهره برداری از یک سیستم 10 مخزنه برقابی با احتساب تامین نیازهای کشاورزی در محدوده هر سد مورد بررسی قرار گرفته است. نتایج نشان می دهد که با استفاده از روش ترکیبی GA-LP می توان به جواب بهینه و یا نزدیک به مسئله بزرگ مقیاس فوق دست یافت.

نویسندگان

محمدجواد اکبرپور

کارشناسی ارشد آب، دانشکده عمران، دانشگاه علم و صنعت ایران، تهران

جمشید موسوی

دانشیار گروه آب دانشکده عمران، دانشگاه صنعتی امیرکبیر، تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :