@article { author = {Moghaddasi, M and Morid, S and Araghinejad, Sh}, title = {Optimization of Water Allocation During Water Scarcity Condition Using Non-Linear Programming, Genetic Algorithm and Particle Swarm Optimization (Case Study)}, journal = {Iran-Water Resources Research}, volume = {4}, number = {3}, pages = {1-13}, year = {2008}, publisher = {Iranian Water Resources Association}, issn = {1735-2347}, eissn = {2476-7360}, doi = {}, abstract = {Water resources limitations, increasing water demands, and occurrence of frequent droughts in our country call for saving water programs and efficient use of available water supply. In this regard the optimization approaches can be an efficient tool.  The main objective of this study is the comparison of three optimization approaches including Non-Linear Programming (NLP), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO) when applied to the water allocation management during droughts.  These are used to maximize the income in Zayandeh rud irrigation system in Esfahan, Iran during the 1999 -2001 drought.  Each model considered the four layers; Chadagan dam operation, irrigation networks, crops, and growth stages. Comparison of the results showed that the highest income is obtained by NLP.  Furthermore, this optimization method can increase the irrigation network income by about a 36% compared to the traditional managements.}, keywords = {Water Allocation Management,optimization,Non-linear Programming,Genetic algorithm,Particle Swarm Optimization,Drought}, title_fa = {بهینه سازی تخصیص آب در شرایط کم آبی با استفاده از روشهای برنامه‌ریزی غیرخطی، هوش جمعی و الگوریتم ژنتیک (مطالعه موردی)}, abstract_fa = {با توجه به محدودیت منابع آب، افزایش نیازهای آبی و وقوع خشکسالی‌های متناوب، صرفه جوئی در مصرف آب و استفاده کارآمد از آن امری لازم و ضروری است که استفاده از تکنیکهای مناسب بهینه سازی در این خصوص می‌تواند راهگشا باشد.  در این تحقیق، مقایسه تکنیک‌های مختلف بهینه سازی برنامه ریزی خطی (NLP)1، هوش جمعی (PSO)2 و الگوریتم ژنتیک (GA)3 در مدیریت تخصیص آب کشاورزی در شرایط خشکسالی با حداکثر سازی درآمد، هدف قرار داده ‌شده ‌است.  بدین منظور دوره خشکسالی سالهای آبی 78-1377 تا 80-1379 در شبکه‌های آبیاری زاینده رود اصفهان مورد بررسی قرار گرفت.  بر این اساس مدل‌سازی‌های لازم در چهار لایه که سد چادگان، شبکه‌ها، محصولات و دور آبیاری را در برداشت، توسعه یافت.  مقایسه نتایج برتری روش NLP و سپس PSO را نشان داد.  ضمن اینکه نشان داده شد که این رویکرد تا 36 درصد امکان افزایش درآمد را نسبت به مدیریتهای سنتی دارد. }, keywords_fa = {مدیریت تخصیص,بهینه‌سازی,برنامه‌ریزی غیرخطی,هوش جمعی,الگوریتم ژنتیک,مدیریت منابع آب در شرایط خشکسالی}, url = {https://www.iwrr.ir/article_15700.html}, eprint = {https://www.iwrr.ir/article_15700_d64689fc8268f9f2ab825ee13dff897b.pdf} }