بهینه سازی مقطع سدهای بتنی وزنی با استفاده از الگوریتم فراابتکاری انتخابات

در هنگام طراحی سدهای بتنی وزنی، با توجه به ضوابط طراحی، مشخصات ساختگاه و ارتفاع مورد نیاز، گزینه‌هایی با ابعاد مختلف برای پارامترهای هندسی در نظر گرفته می‌شود. در بین گزینه‌ها، گزینه‌ای که شرایط پایداری را تامین نماید و هزینه‌ی کم‌تری داشته باشد، به‌عنوان گزینه‌ی اجرایی در نظر گرفته می‌شود. در این پژوهش، به بهینه‌سازی ابعاد سدهای بتنی وزنی کوینا(koyna) در هندوستان و سد زاوین کلات واقع در استان خراسان رضوی با استفاده از الگوریتم فرابتکاری انتخابات (ea)، با لحاظ شرایط پایداری پرداخته شد. در این مدل، پارامترهای هندسی، به عنوان متغیرهای تصمیم و وزن سد به‌عنوان تابع هدف، در نظر گرفته شد. مدل، پارامترهای هندسی را به‌گونه‌ای به‌دست می‌آورد که حجم مصالح مورداستفاده در سد کمینه شود. به‌منظور ارزیابی روش پیشنهادی، از مجموعه داده سد کوینا و سد زاوین کلات استفاده شد و نتایج حاصل با الگوریتم‌های ژنتیک (ga)، جفت‌گیری زنبورعسل(hbmo) و رقابت استعماری(ica) مقایسه گردید. جواب‌های حاصل از روش ea به‌ترتیب بیانگر کاهش 87/9 و 40/10 درصدی حجم بتن مصرفی و کاهش مساحت برای سدهای کوینا و زاوین کلات نسبت به مقطع واقعی ساخته شده آن‌ها می‌باشد. بر اساس مقایسه‌های انجام شده، الگوریتم ea در دستیابی به ابعاد بهینه مقطع سد نسبت به مدل‌های بهینه‌سازی ژنتیک (ga)، جفت‌گیری زنبورعسل(hbmo) و رقابت استعماری(ica) کارایی بهتری از خود نشان داد. هم‌چنین میزان بهبود الگوریتم ea در مقایسه با الگوریتم‌های ica، hbmo و ga به‌ترتیب برابر با 8%، 6% و 11% می‌باشد.

Optimization of Concrete Gravity Dam Section using New Election Meta-heuristic Algorithm

According to design criteria, site specifications, and required height, different dimensional options are considered for geometric parameters, while design gravity dams. Among options, an option that provides sustainability and low costs is considered as an executive option. In this study, the Koyna concrete gravity dam section in India and the Kalat Zavin concrete gravity dam in Khorasan Razavi province were optimized using the election metaheuristic algorithm (EA) concerning the stability conditions. In this model, geometric parameters were considered as decision variables and dam weight as an objective function. The model obtains geometric parameters in such a way that the dam weight is minimized. To evaluate the proposed method, the Koyna dam and Kalat Zavin dam data set were used and the results were compared with Genetic (GA), Honey Bee Mating Optimization (HBMO), and Imperialist Competitive (ICA) algorithms. The results of the EA method indicate a 9.87% and 10.40% decrease in the volume of concrete consumption and a reduction in area for Koyna and Kalat Zavin dams. Based on the comparisons, the EA algorithm showed better performance in optimizing the dam section than the genetic algorithm (GA), honey bee mating algorithm (HBMO), and imperialist competitive algorithm (ICA) optimization models. optimization models. Also, the improvement rate of the EA algorithm in comparison with ICA, HBMO, and GA algorithms is equal to 8%, 6%, and 11%, respectively.