نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای گروه عمران دانشکده مهندسی دانشگاه شهید چمران اهواز

2 دانشیار گروه عمران دانشکده مهندسی دانشگاه شهید چمران اهواز

چکیده

در این تحقیق بهبود الگوریتم ازدحام ذرات برای حل مسائل پیچیده بهینه سازی منابع آّب مورد مطالعه قرار گرفته است. یکی از مشکلات اساسی این روش همگرایی زود رس می­باشد. برای بهبود این مشکل، ترکیب الگوریتم­های ازدحام ذرات و ژنتیک مورد بررسی قرار گرفت. اساس این ترکیب به گونه­ای است که مزایای الگوریتم­های ازدحام ذرات و ژنتیک به طور هم­زمان به­کار گرفته می­شوند. در الگوریتم حاصل دو عملگر­ کارامد الگوریتم ژنتیک­، جهش و تقاطع به­کار می­روند، جهش باعث افزایش گوناگونی جمعیت و تقاطع اطلاعات بین دو ذره از جمعیت را مبادله می­کند. برای ارزیابی الگوریتم ترکیبی، بهینه سازی انرژی برقابی سد دز در نظر گرفته شد. مقایسه نتایج روش ترکیبی با الگوریتم­های ازدحام ذرات و ژنتیک­، مشخص کرد که الگوریتم حاصل باعث افزایش انعطاف­پذیری و بهبود توانایی الگوریتم ازدحام ذرات جهت ایجاد جمعیتی با سرعت همگرایی بالا شده و کارایی بسیاری در حل مسائل بهینه­سازی بهره­برداری منابع آب دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Optimizing Hydropower Dams Operation Using Hybrid of PSO and GA (Case Study: Dez Dam)

نویسندگان [English]

  • Eman Ahmadianfar 1
  • Arash Adib 2

چکیده [English]

In this paper presented the evaluation of particle swarm optimization for solving complex optimization water resources problems. The main problem with PSO is it’s prematurity. Therefore a new adjustable PSO-GA hybrid algorithm which combines PSO with genetic operators was proposed. The basis behind this is that such a hybrid approach is expected to have merits of PSO with those of GA. The main idea of GA is due to its genetic operators crossover and mutation. By applying crossover operation, information can be swapped between two particles to have the ability of flying to the new search area. The purpose of applying mutation to PSO is to increase the diversity of the population.  For evaluating of the proposed algorithm the optimization of the hydropower operation of ‘‘Dez” single reservoir has been studied. The results of HPSOGA compare to PSO and GA indicated the proposed algorithm increases the flexibility and capability of PSO to generate strong-developing individuals that can achieve faster convergence rate to optimum point and it is very useful in solving optimization operation water resources.

کلیدواژه‌ها [English]

  • Particle Swarm Optimization
  • Genetic Algorithm
  • Optimizing hydropower reservoir operation