ارزیابی الگوریتم‌های نهنگ، مگس‌میوه و فاخته در بهینه‌سازی بهره‌برداری چندهدفه از مخزن سد گلستان مبتنی بر روش تصمیم‌گیری چندمعیاره

در این پژوهش، پس از معرفی الگوریتم بهینه‌سازی چندهدفه نهنگ، جست و جوی فاخته و مگس میوه عملکرد آن‌ها در قیاس با یکدیگر جهت بهینه‌سازی سیاستهای بهره‌برداری از مخزن سد گلستان به‌صورت چند هدفه مورد مقایسه و ارزیابی قرار گرفت. در این راستا کاهش کمبودهای نیاز آبی اراضی پایین‌دست و مدیریت حجم ذخیره سیلاب به‌عنوان توابع هدف بهینه‌سازی پس از اعمال محدودیت‌های معادله پیوستگی تعریف شدند. سپس بر اساس شاخص‌های ارزیابی عملکرد مدل مشتمل بر معیارهای اطمینان‌پذیری، برگشت‌پذیری، آسیب‌پذیری و پایداری و نتایج حاکی از الگوریتم‌های پیشنهادی در بهینه‌سازی توابع هدف نسبت به یکدیگر مورد ارزیابی قرار گرفت؛ به‌طوری که الگوریتم بهینه‌سازی چندهدفه نهنگ، کمترین مقدار برآوردی در توابع هدف کمینه‌سازی، پایین‌ترین انحراف معیار و بهترین عملکرد را دارا می‌باشد. همچنین هر دو الگوریتم‌ جستجوی فاخته  و نهنگ به مراتب از الگوریتم مگس میوه بهتر عمل نموده و در مدت زمان بسیار کمتری به همگرایی می‌رسند. در صورت مقایسه الگوریتم نهنگ به‌عنوان کارآمدترین الگوریتم با الگوریتم مگس میوه به‌عنوان ناکارآمدترین الگوریتم مقادیر شاخص های اطمینان‌پذیری و برگشت‌پذیری مدل به‌ترتیب به میزان 44درصد و 52درصد افزایش و آسیب‌پذیری آن به میزان 23درصد کاهش می یابد. مضاف بر این،نتایج حاصل از روش های تصمیم گیری چندمعیاره نیز حاکی از برتری الگوریتم‌ بهینه‌سازی چندهدفه نهنگ می‌باشدکه این مهم، نشان دهنده عملکرد بهتر الگوریتم نهنگ نسبت به سایر الگوریتم‌ها است. لذا الگوریتم بهینه‌سازی چندهدفه نهنگ از عملکرد و همگرایی مناسب تری در مقایسه با سایرین برخوردار بوده و الگوریتم‌های چندهدفه جستجوی فاخته و مگس میوه در رده‌های دوم و سوم قرار می‌گیرند.

Evaluation of Whale, Fruit Fly and Cuckoo Search Algorithms in Optimizing MultiObjective Operation of Golestan Dam Reservoir Based on MultiCriteria DecisionMaking Method

In this research, after introducing the Whale, Cuckoo search and fruit fly MultiObjective Optimization Algorithms, their performance individually and compared to each other was evaluated to optimize the Golestan Dam reservoir operation policies with an approach to reduce downstream water demand shortages and flood storage volume management based on reliability, resilience, vulnerability and sustainability criteria. The results showed that the proposed algorithms act differently in optimizing the objective functions. So that the whale multiobjective optimization algorithm leads to better values of objective functions. Regarding to the optimization time, although, there are no significant differences between the cuckoo search and whale algorithms, both perform far better than the fruit fly algorithm and achieve much more convergence over time. When comparing the whale algorithm, as the most efficient algorithm, with the fruit fly algorithm, as the most inefficient algorithm, the model reliability and resilience indices increased by 44% and 52%, respectively, and its vulnerability decreased by 23%, indicating a better performance compared to the other algorithms. Therefore, Whale multiobjective optimization algorithm performs better and converges better than the other algorithms, and cuckoo search and fruit fly multiobjective algorithms ranked second and third.