مقايسه الگوريتم‌‌هاي رقابت استعماري و جامعه مورچگان براي بهينه‌سازي بهره‌برداري از مخزن سد درودزن با رويكرد اعمال قيود زنجيره‌اي

Comparison of imperialist competitive algorithm (ICA) and ant colony algorithm (ACO) for optimizing exploitation of Doroudzan reservoir with application of chain constraints approach

سابقه و هدف: بهينه‌سازي بهره‎برداري از مخازن سدها از جمله مسايل مهم در علوم مهندسي آب مي‎باشد كه تاكنون از طريق انواع روش‌هاي بهينه‌سازي متداول حل شده است. يكي از اين روش‌ها، روش بهينه‌سازي با استفاده از الگوريتم‌هاي فرا ابتكاري (فراكاوشي) مي‌باشد. نتايج پژوهشگران در سراسر جهان نشان داده عملكرد الگوريتم‌هاي فرا ابتكاري به مراتب بهتر از روش هايي مانند برنامه‌ريزي خطي بوده است. هدف از اين پژوهش ارزيابي عملكرد الگوريتم‌هاي رقابت استعماري و جامعه مورچگان در زمان اعمال قيود زنجيري مي‌باشد. مواد و روش‌ها: در اين پژوهش از الگوريتم رقابت استعماري در حل مساله بهينه‌سازي بهره‌برداري از مخازن سدها استفاده شده است. رويكردي كه در اين پژوهش پيش گرفته شده است، اعمال رابطه پيوستگي در تعيين موقعيت اوليه كشورها بوده كه با عنوان قيود زنجيره‌اي مطرح شده است. نتايج حاصل از اعمال قيود زنجيره‌اي و عدم اعمال آن‌ها در الگوريتم رقابت استعماري با هم مقايسه و پس از آن نتايج با الگوريتم جامعه مورچگان كه يكي ديگر از الگوريتم‌هاي شناخته شده مي‌باشد مقايسه گرديده است. يافته‌ها: نتايج نشان داد كه الگوريتم رقابت استعماري بدون در نظر گرفتن قيود زنجيره‌اي به ندرت توانايي يافتن جواب‌هاي شدني را دارا مي‌باشد و اعمال قيود زنجيره‌اي براي تعيين موقعيت اوليه كشور‌ها به نحو موثري كارايي الگوريتم را بالا مي‌برد و باعث مي‌شود حتي عملكرد آن به مراتب بهتر از الگوريتم جامعه مورچگان شود و مقادير مناسب‌تري را براي تابع هدف بيابد به‌طوري‌كه پس از ده مرتبه اجرا ميانگين مقدار تابع هدف كه در واقع كمينه‌سازي ميزان اختلاف تقاضا (نياز كشاورزي پايين‌دست) و رهاسازي مي‌باشد براي الگوريتم رقابت استعماري 822/15 و براي الگوريتم جامعه مورچگان 008/48 بوده است. نتيجه‌گيري: نتايج نشان داده است با اعمال قيود زنجيره‌اي الگوريتم‌هاي ICA و ACO قادر به يافتن جواب شدني بوده و به نحو مطلوبي كارايي آن‌ها بالا رفته است. بنابراين از اعمال قيود زنجيري مي‌توان به عنصري اساسي در بالا بردن كارايي الگوريتم‌ها ياد كرد. همچنين نتايج مقايسه بين اين الگوريتم‌ها نشان داده است كه عملكرد الگوريتم ICA به مراتب بهتر از الگوريتم ACO بوده است. زيرا در شرايط يكسان، الگوريتم‌هايي كه در فضاي جواب‌هاي شدني هر مقداري را به خود مي‌توانند اختصاص دهند نسبت به الگوريتم‌هايي كه تنها جواب‌هاي خاصي را مي‌توانند بيابند (مانند گره‌هاي از پيش تعيين شده براي مقادير الگوريتم ACO) مناسبت‌تري را به‌عنوان جواب خواهند يافت.

Background and Objectives: Optimizing the operation of reservoirs is the most important issue in water science and engineering which has been resolved through a variety of traditional optimization methods. One of these methods is optimizing using the meta-heuristic algorithms. The researchers around the world show the performance of meta-heuristic algorithms performance has been far better than procedures such as linear programming. The aim of this study is to evaluate the performance of imperialist competitive algorithm (ICA) and ant colony algorithm (ACO) with application of chain constraints. Materials and Methods: In this research, ICA, is used to solve the optimization problem of reservoirs operation. The approach taken in this research is application of relationship continuity in determining the initial position of countries, which has been proposed as a chain constraints. The results of applying the chain constraints and lack of application of the chain constraints have been compared and consequently these results have been compared with one of well -known algorithm named as ant colony algorithm. Results: The results indicated that imperialist competitive algorithm without considering the continuity equation, was rarely able to find possible answer and applying the chain constraints to determine the initial position of countries, enhanced the performance of algorithm more efficiently and it leads to even better performance compared to ant colony algorithm and find an appropriate value for the objective function, so that after running ten times, the mean for objective function for imperialist competitive algorithm was 15.822 and for ant colony algorithm was 48.008. Conclusion: Result have shown with chain constraints the ICA and ACO algorithms have been unable to find feasible solution and their performance is fairly high. Therefore the chain constraints can be applied as an essential element in enhancing the efficiency of these algorithms. Also the results of the comparison between the algorithms has shown that ICA algorithm performance has been far better than ACO algorithm.