کارایی الگوریتم ژنتیک چندهدفه و بهینه‌سازی اجتماع ذرات در بهره‌برداری بهینه از منابع آب در کشاورزی

تخصیص نامناسب آب بین مصرف‌کننده‌های مختلف از مشکلات اصلی برنامه‌ریزی در بخش منابع آب است. تدوین برنامه تخصیص آب یک مسئله پیچیده، چندمتغیره و دارای محدودیت‌های متنوع است؛ بنابراین حل این‌گونه مسائل نیازمند استفاده از روش‌های پیشرفته بهینه‌سازی است. روش‌های بهینه‌سازی کلاسیک با محدودیت‌هایی ازجمله، قرار گرفتن در نقاط بهینه محلی و عدم توانایی در پشتیبانی از متغیرهای مختلف مواجه می‌باشند. در این پژوهش دو روش بهینه‌سازی اجتماع ذرات، pso (particle swarm optimization) و الگوریتم ژنتیک چندهدفه مبتنی بر رتبه‌بندی نامغلوب nsgaii  (non-dominated sorting genetic algorithm ii) توسعه‌یافته و کارایی آن‌ها در بهینه‌سازی مسائل بهره‌برداری از منابع آب مقایسه شده است. با توجه به ضرورت دقت برنامه‌ریزی چندهدفه، دو مدل تک هدفه به‌صورت جداگانه با استفاده از روش pso برای صحت سنجی نتایج nsgaii توسعه داده شد. مقایسه بین الگوریتم‌های nsgaii و pso در نقاط انتهایی توابع هدف انجام شد. نتایج نشان داد مقدار پاسخ ایده‌آل روش nsgaii در نسبت سود به هزینه نسبت به روش pso برتری دارد. استفاده از روش بهینه سازی چندهدفه با برقراری تعادل بین اهداف توانست به جواب بهینه معادل 0/4 تا 0/68 افزایش در کارایی مصرف آب بهینه در گیاهان الگوی کشت دشت بوشهر دست یابد.

efficiency of particle swarm optimization and multiobjective genetic algorithm in optimal operation of agricultural water resources

the main problem of water resources planning is the inappropriate allocation between different consumers. water allocation planning is a complex, multi-variable, and multi-constraint problem, which requires advanced optimization methods to be solved. classical optimization methods are facing some limitations such as being trapped in local optimum points, and difficulties in handling different variables. in this paper two of these methods including particle swarm optimization, pso and multiobjective non-dominated sorting genetic algorithms, nggaii were explored and their efficiency in optimization water reservoir operation problems is compared. dealing with the necessary of multiobjective programing accuracy, two single objective models was developed separately using pso to verify the nsgaii results.