مقايسه كيفي بهينه سازي اجزاي مختلف يك سيستم چند مخزنه به روش الگوريتم ژنتيك

در این مطالعه بااستفاده از روش الگوریتم ژنتیك یك سیستم دو مخزنه فرضی مورد ارزیابی قرار گرفته و در چهار مورد اجزای مختلف آن هدف بهینه سازی قرار گرفتند:مورد 1:با ثابت نگه داشتن مقادیر فرضی ظرفیت مخازن و نیازهای قابل تامین آنهاتنها قوانین عملی حد واسط دو سد بهینه میشوند.مورد 2:با ثابت نگه داشتن مقدار عددی نیازهای قابل تامین ، مقادیرظرفیت مخازن و قوانین عملی حد واسط دو سدمورد بهینه سازی قرار می گیرند.مورد 3: مقادیر فرضی ظرفیت مخازن ثابت در نظر گرفته می شوند و نیازهای قابل تامین و قوانین عملی حد واسط دو سد بهینه میگردند.مورد 4:همه مقادیر فرضی ظرفیت مخازن و نیازهای قابل تامین و قوانین عملی حد واسط دو سد هدف بهینه سازی واقع می شوند.سد اول به منظور ذخیره و تامین آب آبیاری و سد دوم جهت تامین نیازهای مسكونی و صنعتی مورد استفاده قرار می گیرد. محدوده تغییرات حجم هریك از مخازن تعیین شده و با توجه به روش كار كه الگوریتم ژنتیك می باشدو باانتخاب تصادفی نمونه ها ،رمزگذاری،سنجش صلاحیتها،رمزگشایی، پیوند و جهش و نیز تعیین توابع پنالتی متناسب با شرایط محیطی مساله ، تابع هدف در هر مورد ، بهینه می گردد. با بررسی نمودارها و جداول حاصل از آنالیز نتایج به دست امده پس از بهینه سازی در هر مورد ،،میزان نزدیكی به تابع هدف برای موارد ذكر شده به ترتیب 98,2 %و% 98,5 و% 99,1 و نهایتا در مورد 99،6،4 درصد ارزیابی گردید .

In this paper a system consist of two reservoirs was evaluated by using a genetic algorithm method.In this way four cases were analyzed:optimized.Case2: demands were fixed and the reservoir capacities and operating rules were optimized.Case3: reservoir capacities were fixed and the demands and operating rules were optimized.Case4: reservoir capacities, demands and operating rules were optimized.The first reservoir is taken to supply irrigation water and the second one is used to supply domestic and industrial water demands .The range of capacities for reservoirs were determined and according to the method of study which is GA ,the objective function for each case was optimized byselection of random samples ,coding, evaluation of their fitness, decoding ,crossover , mutation and determining penalty function proportional to environmental situation of the problems.Analysis of results through graphs show that they are close to expected objective functions 98,2%,,98,5%،99,1% and 99,6%.respctively.