ارائه الگوريتم تكاملي هيبريدي نوين در بهينه سازي بهره برداري از مخزن بر اساس تكنيك نوين ارزيابي مبتني بر فاصله تركيبي (CODAS)

Presenting a new hybrid evolutionary algorithm in optimizing reservoir operation based on new combinative distance-based assessment (CODAS)

سابقه و هدف: تغيير در الگوهاي هواشناسي و هيدرولوژيكي باعث گرديده تا استفاده از ابزارهاي مديريت منابع آب، جهت اخذ يك راهكار مناسب براي بهره‌برداري بهينه از مخازن مورد توجه قرار گيرد. درخصوص مسائل بهينه سازي روش هاي مختلفي به ‌كارگرفته شده كه باتوجه به عدم توانايي روش هاي بهينه سازي معمول، درحل مسائل پيچيده بهينه سازي، به‌كارگيري الگوريتم هاي فراابتكاري بيش از پيش مورد توجه قرار گرفته است. مواد و روش ها: در پژوهش حاضر، يك مدل تركيبي از الگوريتم هاي جستجوي كلاغ (CSA) و گرگ خاكستري (GWO) كه الگوريتم هيبريدي جستجوي كلاغ – گرگ ‌خاكستري (GWOCSA) ناميده مي شود براي نخستين بار در حوزه علوم بهره‌برداري از مخزن معرفي و ارائه مي گردد و عملكرد آن در قياس با الگوريتم هاي تشكيل دهنده آن؛ به‌عنوان ابزاري قدرتمند جهت بهينه سازي بهره‌برداري از سيستم تك‌مخزنه سد گلستان با درنظر گرفتن تابع هدف (تأمين نيازهاي آبي پايين دست سد) مورد ارزيابي قرار مي گيرد. جهت مقايسه ميزان همگرايي و نحوه عملكرد الگوريتم‌هاي مذكور، پارامترهاي آماري هر الگوريتم محاسبه و اين مقادير با يكديگر و همچنين با جواب حل تحليلي برنامه‌ريزي غيرخطي مسأله كه توسط نرم‌افزار (GAMS) بدست آمده، مقايسه گرديدند. سپس جهت تحليل عملكرد الگوريتم ها، با استفاده از مدله تصميم‌گيري چندمعياره كوداس، رتبه بندي گزينه‌هاي تصميم (الگوريتم‌هاي بهينه‌سازي) براساس معيارهاي اطمينان‌پذيري حجمي و زماني، برگشت‌پذيري و آسيب‌پذيري صورت گرفت. يافته‌ها: نتايج حاكي از آن است كه رويكرد مدل هيبريدي GWOCSA داراي پاسخي نزديكتر به مقدار بهينه مطلق مي‌باشد و ميانگين پاسخ حاصل از آن 93 درصد پاسخ بهينه مطلق و ميانگين حاصل از الگوريتم هاي GWO و CSA، مقادير 92 و 83 درصدي را نسبت به بهينه مطلق از خود نشان مي دهند. به‌علاوه، ضريب تغييرات الگوريتم هيبريدي نسبت به الگوريتم هاي‌ گرگ‌ خاكستري و جستجوي كلاغ به ترتيب به ميزان 23 و 1.67 برابركوچك‌تر است. از سوي ديگرالگوريتم هيبريدي GWOCSA به جز از لحاظ شاخص برگشت پذيري در ساير شاخص ها داراي عملكرد بهتري نسبت به سايرين مي باشد. مدل تصميم‌گيري چندمعياره كوداس نيز مشخص نمود الگوريتم GWOCSA نسبت به دو الگوريتم منفعل ديگر، در حل مسأله بهره برداري از مخزن مورد مطالعه جايگاه نخست را به خود اختصاص داده و الگوريتم‌ گرگ‌خاكستري و جستجوي كلاغ، پس از آن به ترتيب در رتبه هاي دوم و سوم قرار مي‌گيرند. نتيجه‌گيري: مدل تصميم‌گيري چندمعياره كوداس مشخص نمود الگوريتم GWOCSA در بهينه‌سازي تابع هدف بهتر از الگوريتم هاي تشكيل‌دهنده آن؛ يعني الگوريتم بهينه‌سازي جستجوي كلاغ (CSA) و گرگ‌ خاكستري (GWO) عمل نموده و در حل مسأله بهره برداري از مخزن جايگاه نخست را به خود اختصاص داده و الگوريتم‌ گرگ‌ خاكستري و جستجوي كلاغ، پس از آن به ترتيب در رتبه هاي دوم و سوم قرار مي‌گيرند به ‌گونه‌اي ‌كه نه تنها در يافتن جواب بهينه، بهتر عمل كرده بلكه ارتقاي عملكرد و افزايش كارايي الگوريتم هيبريدي در شاخص‌هاي ارزيابي عملكرد مدل نسبت به سايرين نيز به وضوح مؤيد اين مدعي است.

Background and objectives: Changes in meteorological and hydrological patterns have led to the use of water resources management tools to find a suitable solution for optimal reservoir operation. Regarding to the inability of conventional optimization methods in solving the complex optimization problems, the use of meta-heuristic algorithms has been considered more than before. Materials and Methods: In the present study, a combined model of Crow Search (CSA) and Gray Wolf (GWO) Optimization algorithms called Gray Wolf - Crow Search Hybrid algorithm was introduced for the first time in the field of reservoir operation optimization. an‎d its performance was evaluated in comparison with its constituent elements as a powerful tool for optimizing the operation of the single reservoir system of Golestan Dam, considering the objective function (providing downstream water demand). To compare the convergence and performance of these algorithms, the statistical parameters of each algorithm were calculated and compared with each other, as well as with the solution of non-linear problem solving model (i.e., GAMS Software). Then, in order to analyze the performance of the algorithms, the Combinative Distance-based Assessment (CODAS) Multi-Criteria Decision Making Model was used to rank the decision alternatives (e.g., optimization algorithms) based on volumetric and time based reliability, reversibility, vulnerability criteria and the optimized objective function. Results: The results suggest that the GWOCSA hybrid approach has a response closer to the absolute optimal value, with an average response rate of 93% of the absolute optimal response and an average of 92% and 83% of the GWO and CSA ones. In addition, the correlation coefficient in the hybrid algorithm is 23 and 1.67 times lower than that of the gray wolf and the crow search algorithm, respectively. On the other hand, the GWOCSA hybrid algorithm performs the best, except in terms of reversibility index in other indicators. The CODAS Multi-Criteria Decision Making Model also identified the GWOCSA algorithm as the first to solve the problem of the reservoir operation compared to the other two passive algorithms. The gray wolf and the crow search algorithm then rank second and third, respectively. Conclusion: The CODAS Multi-Criteria Decision Making Model identifies the GWOCSA algorithm in optimizing the objective function better than its constituent algorithms, namely CSA Optimization and GWO algorithm. an‎d the gray wolf and crow search algorithm are then ranked second and third, respectively, so that not only is GWOCSA better at finding the optimal answer, but it also improves performance and increases the efficiency of the hybrid algorithm according to the model performance evaluation indicators.