پديد آورندگان :
اكبرپور، ابوالفضل دانشگاه بيرجند - دانشكده فني مهندسي - گروه مهندسي عمران , پوررضا بيلندي، محسن دانشگاه بيرجند - دانشكده كشاورزي - گروه علوم و مهندسي آب , زينلي، محمد جواد دانشگاه بيرجند - دانشكده كشاورزي - گروه علوم و مهندسي آب
چكيده فارسي :
در اين تحقيق دو تابع هدف متضاد براي حل مسيله بهينه سازي بهره برداري از مخازن چاه نيمه مورد استفاده قرار گرفت. تابع هدف اول كمينه سازي مجموع توان دوم اختلاف تقاضاي كشاورزي از رهاسازي و تابع هدف دوم بيشينه سازي شاخص اعتمادپذيري تعريف گرديد. در اين مطالعه براي مقايسه الگوريتم هاي مورد بررسي از معيارهاي زمان اجراي الگوريتم، تعداد راه حل هاي واقع در جبهه بهينه پارتو و معيارهاي فاصله، پراكندگي، همگرايي و فاصله نسلي بهره برده شد. نتايج حاصل از بررسي الگوريتم هاي فرا ابتكاري نشان داد كه از بين الگوريتم هاي MOPSO، MOGOA و MOALO، الگوريتم هاي MOALO و MOGOA از كارايي بالاتري نسبت به الگوريتم MOPSO برخوردار بودند. بر اساس معيارهاي عملكرد زمان اجراي الگوريتم و معيار پراكندگي الگوريتم MOPSO كارايي بالايي را از خود نشان داد و بر اساس معيارهاي فاصله، همگرايي و فاصله نسلي الگوريتم MOGOA كارايي بالايي را از خود نشان داد. با توجه به معيار تعداد راه حل هاي واقع در جبهه بهينه پارتو الگوريتم MOALO كارايي بالاتري را نسبت به ديگر الگوريتم ها از خود نشان داده است. همچنين الگوريتم هاي MOALO و MOGOA جبهه بهينه پارتو را به نحو موثري پوشش داده اند و مي توان گفت راه حل هايي كه اين دو الگوريتم در جبهه بهينه خود يافته اند يك مجموعه غني از راه حل هاي بهينه را ايجاد نموده كه نه تنها جبهه بهينه پارتو را به نحو موثري پوشش داده بلكه بر راه حل هاي الگوريتم ديگر نيز غلبه دارد. بنابراين به نظر مي رسد هيچ يك از معيارهاي مذكور نمي تواند به تنهايي ملاك برتري يك الگوريتم نسبت به ديگر الگوريتم ها در حل يك مسيله بهينه سازي باشد.
چكيده لاتين :
in this research, two conflicting objective functions used to solve the problem of optimization operation of Sistan's Chah Nimeh reservoirs. The first objective function defined minimizing the total of second power of difference between agricultural demand and release and the second objective function defined maximizing the reliability index. In this study, to compare the studied algorithms, the criteria of the algorithm's run time, the number of solutions in the optimal Pareto front, and distance, dispersion, convergence and generation distance were taken. The results of the study of Meta-Heuristic algorithms indicated that among MOPSO, MOGOA and MOALO algorithms, MOALO and MOGOA algorithms were more efficient than MOPSO algorithm. According to the performance criteria of the algorithm's run time and the dispersion criteria, the MOPSO algorithm showed high efficiency and according to the performance criteria of the distance, convergence and generation distance criteria, the MOGOA showed high efficiency. According to the performance criteria of the number of solutions on the optimal Pareto front MOALO algorithm showed high efficiency. Also, MOALO and MOGOA algorithms effectively covered optimal pareto front. It can be said, the solutions of these algorithms find in themselves optimal pareto front, create a rich set of optimal solutions that not only effectively cover the optimal Pareto front, but also dominate the solutions of the other two algorithms. Therefore, it seems that none of these performance criteria can alone determine the superiority of an algorithm than other algorithms in solving an optimization problem.
