ارائه الگوریتم تکاملی هیبریدی نوین در بهینه سازی بهره برداری از مخزن بر اساس تکنیک نوین ارزیابی مبتنی بر فاصله ترکیبی (Codas)

سابقه و هدف: تغییر در الگوهای هواشناسی و هیدرولوژیکی باعث گردیده تا استفاده از ابزارهای مدیریت منابع آب، جهت اخذ یک راهکار مناسب برای بهره‌برداری بهینه از مخازن مورد توجه قرار گیرد. درخصوص مسائل بهینه سازی روش های مختلفی به ‌کارگرفته شده که باتوجه به عدم توانایی روش های بهینه سازی معمول، درحل مسائل پیچیده بهینه سازی، به‌کارگیری الگوریتم های فراابتکاری بیش از پیش مورد توجه قرار گرفته است.مواد و روش ها: در پژوهش حاضر، یک مدل ترکیبی از الگوریتم های جستجوی کلاغ (csa) و گرگ خاکستری (gwo) که الگوریتم هیبریدی جستجوی کلاغ – گرگ ‌خاکستری (gwocsa)نامیده می شود برای نخستین بار در حوزه علوم بهره‌برداری از مخزن معرفی و ارائه می گردد و عملکرد آن در قیاس با الگوریتم های تشکیل دهنده آن؛ به‌عنوان ابزاری قدرتمند جهت بهینه سازی بهره‌برداری از سیستم تک‌مخزنه سد گلستان با درنظر گرفتن تابع هدف (تامین نیازهای آبی پایین دست سد) مورد ارزیابی قرار می گیرد. جهت مقایسه میزان همگرایی و نحوه عملکرد الگوریتم‌های مذکور، پارامترهای آماری هر الگوریتم محاسبه و این مقادیر با یکدیگر و همچنین با جواب حل تحلیلی برنامه‌ریزی غیرخطی مساله که توسط نرم‌افزار (gams) بدست آمده، مقایسه گردیدند. سپس جهت تحلیل عملکرد الگوریتم ها، با استفاده از مدله تصمیم‌گیری چندمعیاره کوداس، رتبه بندی گزینه‌های تصمیم (الگوریتم‌های بهینه‌سازی) براساس معیارهای اطمینان‌پذیری حجمی و زمانی، برگشت‌پذیری و آسیب‌پذیری صورت گرفت.یافته‌ها: نتایج حاکی از آن است که رویکرد مدل هیبریدی gwocsa دارای پاسخی نزدیکتر به مقدار بهینه مطلق می‌باشد و میانگین پاسخ حاصل از آن 93 درصد پاسخ بهینه مطلق و میانگین حاصل از الگوریتم های gwo و csa، مقادیر 92 و 83 درصدی را نسبت به بهینه مطلق از خود نشان می دهند. به‌علاوه، ضریب تغییرات الگوریتم هیبریدی نسبت به الگوریتم های‌ گرگ‌ خاکستری و جستجوی کلاغ به ترتیب به میزان 23 و 1.67 برابرکوچک‌تر است. از سوی دیگرالگوریتم هیبریدی gwocsa به جز از لحاظ شاخص برگشت پذیری در سایر شاخص ها دارای عملکرد بهتری نسبت به سایرین می باشد. مدل تصمیم‌گیری چندمعیاره کوداس نیز مشخص نمود الگوریتم gwocsa نسبت به دو الگوریتم منفعل دیگر، در حل مساله بهره برداری از مخزن مورد مطالعه جایگاه نخست را به خود اختصاص داده و الگوریتم‌ گرگ‌خاکستری و جستجوی کلاغ، پس از آن به ترتیب در رتبه های دوم و سوم قرار می‌گیرند. نتیجه‌گیری: مدل تصمیم‌گیری چندمعیاره کوداس مشخص نمود الگوریتم gwocsa در بهینه‌سازی تابع هدف بهتر از الگوریتم های تشکیل‌دهنده آن؛ یعنی الگوریتم بهینه‌سازی جستجوی کلاغ (csa) و گرگ‌ خاکستری (gwo) عمل نموده و در حل مساله بهره برداری از مخزن جایگاه نخست را به خود اختصاص داده و الگوریتم‌ گرگ‌ خاکستری و جستجوی کلاغ، پس از آن به ترتیب در رتبه های دوم و سوم قرار می‌گیرند به ‌گونه‌ای ‌که نه تنها در یافتن جواب بهینه، بهتر عمل کرده بلکه ارتقای عملکرد و افزایش کارایی الگوریتم هیبریدی در شاخص‌های ارزیابی عملکرد مدل نسبت به سایرین نیز به وضوح موید این مدعی است.

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

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 metaheuristic 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 nonlinear problem solving model (i.e., GAMS Software). Then, in order to analyze the performance of the algorithms, the Combinative Distancebased Assessment (CODAS) MultiCriteria 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 MultiCriteria 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 MultiCriteria 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.