افزايش سرعت همگرايي در بهينه سازي شبكه‌هاي توزيع آب با استفاده از الگوريتم ژنتيك با آشفتگي سريع

Convergence Rate Improvement in Water Distribution Network Optimization Using Fast Messy Genetic Algorithm (FMGA)

الگوريتم ژنتيك به عنوان يكي از مهم ترين الگوريتم هاي تكاملي نقش بسيار موفقي در بهينه سازي شبكه هاي توزيع آب داشته است. اين الگوريتم همواره دستخوش تغييرات و اصلاحات زيادي بوده و نسخه هاي بهبود يافته و متفاوتي از اين الگوريتم منتشر شده است. يكي از انواع الگوريتم هاي ژنتيك، الگوريتم ژنتيك با آشفتگي سريع (FMGA) است كه ضمن بررسي كروموزوم هايي كه از لحاظ رشته‌هاي ژني با هم برابر نيستند، اين توانايي را دارد تا با كاهش طول كروموزم ها و حذف ژن هاي نامطلوب، سرعت همگرايي را در حل مسايل بهينه سازي افزايش دهد. در اين مقاله به منظور بررسي قابليت الگوريتم FMGA در حل مسايل بهينه سازي شبكه‌هاي توزيع آب، پس از آناليز حساسيت و تعيين بهترين مقادير پارامترهاي اين الگوريتم دو شبكه مرجع دو حلقه اي و هانوي و يك شبكه واقعي شهر جنگل مورد تحليل و ارزيابي قرار گرفت و نتايج با پژوهش هاي قبلي مقايسه شد. با بهينه سازي شبكه دوحلقه اي، حداقل هزينه اين شبكه در 2880 بارارزيابي تابع هدف بدست آمد كه نسبت به نتايج پژوهش هاي قبلي بهبود قابل توجهي داشته است. در شبكه هانوي نيز حداقل هزينه106×045/6 دلار بدست آمد كه كمتر از حداقل هزينه اي است كه تاكنون در نتايج ديگر محققين ارايه شده است. پس از اثبات كارايي اين الگوريتم در انتها عملكرد آن را در طراحي شبكه واقعي شهر جنگل با توجه به افزايش وسعت شبكه و قيود طراحي نشان داده شد.

Genetic Algorithm as a one of the main evolutionary algorithms has had a most successful role in the water distribution network optimization.This algorithmhas been undergoing many reforms and improved versions are published. A type of genetic algorithms is Fast Messy Genetic Algorithm (FMGA), that has the ability to increase the convergence rate in solving optimization problems with reducing the length of chromosomes and removing the inefficient genes, meanwhile studying the chromosomes which are not equal in terms of gene strings.In this paper, for evaluation of the FMGA performance in solving water distribution network optimization problems, after the sensitivity analysis and determining the best values of these parameters, two benchmark networks and a real network are analyzed, which are named Two-loop network, the Hanoi network and Jangal City network, respectively, and the results were compared with previous researches. Least-cost in two loop network was estimated after 2880 number of function evaluations that had significant improvements compared to the results of previous researches. In Hanoi network, the minimum cost obtained equal to 6.045×106 $ that is less than other researchers results are issued so far. After proving the efficiency of algorithm, its performance was shown in design of real Jangal city network according to increasing network size and design constraints.