مقایسه الگوریتم‌های فراابتکاری نوین برای بهینه‌سازی چندهدفه سیستم منابع آب

در این تحقیق دو تابع هدف متضاد برای حل مسئله بهینه‌سازی بهره‌برداری از مخازن چاه نیمه مورد استفاده قرار گرفت. تابع هدف اول کمینه‌سازی مجموع توان دوم اختلاف تقاضای کشاورزی از رهاسازی و تابع هدف دوم بیشینه‌سازی شاخص اعتمادپذیری تعریف گردید. در این مطالعه برای مقایسه الگوریتم‌های مورد بررسی از معیارهای زمان اجرای الگوریتم، تعداد راه‌حل‌های واقع در جبهه بهینه پارتو و معیارهای فاصله، پراکندگی، همگرایی و فاصله نسلی بهره برده شد. نتایج حاصل از بررسی الگوریتم‌های فرا ابتکاری نشان داد که از بین الگوریتم‌های mogoa، mopso و moalo ، الگوریتم‌های moalo و mogoa از کارایی بالاتری نسبت به الگوریتم mopso برخوردار بودند. بر اساس معیارهای عملکرد زمان اجرای الگوریتم و معیار پراکندگی الگوریتم mopso کارایی بالایی را از خود نشان داد و بر اساس معیارهای فاصله، همگرایی و فاصله نسلی الگوریتم mogoa کارایی بالایی را از خود نشان داد. با توجه به معیار تعداد راه‌حل‌های واقع در جبهه بهینه پارتو الگوریتم moalo کارایی بالاتری را نسبت به دیگر الگوریتم‌ها از خود نشان داده است. همچنین الگوریتم‌های moalo و mogoa جبهه بهینه پارتو را به نحو موثری پوشش داده‌اند و می‌توان گفت راه‌حل‌هایی که این دو الگوریتم در جبهه بهینه خود یافته‌اند یک مجموعه غنی از راه‌حل‌های بهینه را ایجاد نموده که نه تنها جبهه بهینه پارتو را به نحو موثری پوشش داده بلکه بر راه‌حل‌های الگوریتم دیگر نیز غلبه دارد. بنابراین به نظر می‌رسد هیچ یک از معیارهای مذکور نمی‌تواند به تنهایی مالک برتری یک الگوریتم نسبت به دیگر الگوریتم‌ها در حل یک مسئله بهینه‌سازی باشد.

Compression of novel meta-heuristic algorithms for multi-objective optimization of water resources system (case study: Sistan’s Chah Nimeh)

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 MetaHeuristic 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.