ارزیابی الگوریتم های ژنتیک و ازدحام ذرات با تکیه بر رویکرد مرتب سازی نامغلوب برای بهینه سازی چندهدفه بهره برداری از مخازن

مسائل بهینه سازی بهره برداری از مخازن سدها از جمله مسائل مهم در علوم آب می باشد که تا کنون با انواع روش های بهینه سازی مورد بررسی قرار گرفته است. در سال های اخیر تعداد زیادی از الگوریتم های تکاملی چندهدفه معرفی شده است. از جمله این الگوریتم ها می توان به نسخه دوم الگوریتم ژنتیک چندهدفه با مرتب سازی 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 مرتب سازی نامغلوب و بررسی کارایی این الگوریتم در بحث بهینه سازی بهره برداری 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 سیستم های منابع آب و به ویژه بهره برداری از مخزن سد رسید. مواد و روش ها 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 بهینه سازی بهره برداری از مخزن سد ملاصدرا واقع در استان فارس به کار برده شدند. مسئله بهینه سازی با دو هدف تعریف گردید. یکی از آن ها کمینه سازی اختلاف نیاز کشاورزی از رهاسازی بوده است و تابع هدف دوم بیشینه سازی حجم ذخیره سیلاب تعریف گردید. دو الگوریتم با توجه معیارهایی مانند زمان اجرا، تعداد راه حل هایی که در جبهه پارتو قرار می گیرند، معیار فاصله و معیار عملکرد مقایسه شدند. یافته ها نتایج تحقیق نشان داد که هر دو الگوریتم توانایی حل این مسئله بهینه سازی را دارا می باشند. همچنین نتایج نشان داد که هر یک از الگوریتم ها در برخی از معیارها، عملکرد مناسب تری نسبت به دیگر داشته است. نتایج بررسی زمان اجرای هر یک از الگوریتم ها نشان داد که سرعت اجرای الگوریتم چندهدفه ازدحام ذرات (NSPSO-II) به مراتب بیشتر از الگوریتم چندهدفه ژنتیک (NSGA-II) می باشد 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 مناسب تری نسبت به الگوریم NSGA-II داشته است. اما از سوی دیگر با توجه به معیار تعداد راه حل های واقع در جبهه پارتو الگوریتم NSGA-II تعداد راه حل های بسیار بیشتری را در جبهه پارتو یافته است و به همین دلیل فاصله در الگوریتم NSGA-II کمتر از NSPSO-II بوده است. نتیجه گیری الگوریتم NSGA-II تعداد راه حل های بسیار بیشتری را در جبهه بهینه پارتو یافته است و راه حل های واقع در جبهه بهینه پارتو به طور مناسبی جبهه پارتو را بر خلاف الگوریتم NSPSO پوشش دادند. همچنین مقایسه راه حل های واقع در جبهه بهینه پارتو نشان داد که الگوریتم NSPSO-II در راستای بیشینه سازی تابع هدف دوم گام برداشته در حالی که الگوریتم NSGA-II در راستای کمینه سازی تابع هدف اول حرکت کرده است.