ارزیابی عملکرد الگوریتم بهینه‌سازی جامعه مورچگان در حل مسأله بهره برداری بهینه از سیستم چند مخزنه: مقایسه چهار الگوریتم

نوع مقاله: مقاله پژوهشی

نویسنده

استادیار/ گروه عمران، دانشکده فنی و مهندسی، دانشگاه اصفهان، خیابان هزارجریب، اصفهان، ایران

چکیده

بهره‌برداری بهینه از سیستم چند مخزنه از جمله مسایل مهم در علوم مهندسی آب است که حل آن به سادگی امکان پذیر نمی‌باشد. لذا، با توجه به قابلیت‌های الگوریتم‌های فراکاوشی، امروزه استفاده از این الگوریتم‌ها به منظور حل مسأله مذکور مورد توجه کارشناسان مهندسی آب قرار گرفته است. یکی از انواع الگوریتم‌های فراکاوشی، الگوریتم بهینه‌سازی جامعه مورچگان است که بر مبنای  شبیه‌سازی رفتار جستجوی غذا در جامعه مورچگان ارائه شده است. در این تحقیق قابلیت های چهار الگوریتم مختلف بهینه‌سازی جامعه مورچگان به نامهای الگوریتم سیستم مورچه، الگوریتم سیستم مورچه ‌برتر، الگوریتم سیستم مورچه ‌ترتیبی و الگوریتم سیستم مورچه بیشینه-کمینه در حل مسائل مرجع چهار و ده مخزنه مورد بررسی قرار گرفته است. برای هر یک از الگوریتم‌ها دو فرمولبندی ارائه شده که در فرمول‌بندی اول مقدار آب رهاسازی شده از مخزن و در فرمول‌بندی دوم ذخیره مخزن به عنوان متغیر تصمیم مسأله منظور شده است. نتایج این مطالعه نشان می‌دهد که الگوریتم بهینه‌سازی جامعه مورچگان، الگوریتمی مناسب در حل مسأله بهره‌برداری بهینه از سیستم چند مخرنه است. همچنین، نسبت به سایر الگوریتم‌های مورد مطالعه، نتایج بدست آمده از  الگوریتم سیستم مورچه بیشینه - کمینه مطلوب‌تر است

کلیدواژه‌ها


عنوان مقاله [English]

Performance Evaluation of the Ant Colony Optimization Algorithm for the Optimal Operation of a Multi-Reservoir System: Comparing Four Algorithms

نویسنده [English]

  • R. Moeini
Assistant Professor, Department of Civil Engineering, Faculty of Engineering, University of Isfahan
چکیده [English]

Optimal operation of multi-reservoir systems is amongst the important problems in the field of water engineering which cannot be easily solved. Nowadays, water engineering experts are using Meta-heuristic algorithms to solve this problem due to the computational capabilities of these algorithms. Ant Colony Optimization algorithm is one of the algorithms which is based on foraging behavior of real ants. In this research, the capability of four different ant colony optimization algorithms, Ant System, Elitist Ant System, Ranked Ant system, and Max-Min Ant System has been tested to solve the four- and ten-reservoir benchmark systems. For each algorithm two different formulations are proposed; in the first formulation reservoir releases and in the second formulation reservoir storages are considered as decision variables of the problem. The results showed that the Ant Colony Optimization algorithm is a competent algorithm to solve Multi-reservoir system operation optimization problem. The Max-Min Ant System is also assessed as superior to other algorithms for such problems.

کلیدواژه‌ها [English]

  • Multi-reservoir system
  • Optimal Operation
  • Ant Colony Optimization Algorithm

ستاری م ت، اسلامیان س س، ابریشمچی ا (1382) بهینه‌سازی مصرف آب در یک سیستم رودخانه 9 مخزنه. مجموعه مقالات ششمین کنفرانس بین المللی مهندسی عمران، دانشگاه صنعتی اصفهان، هیدرولیک و منابع آب، 597-604

جلالی م ر (1384) طراحی و بهره‌برداری بهینه از هیدرو‌سیستم‌ها با الگوریتم جامعه مورچه‌ها یک رهیافت فراکاوشی جدید. رساله دکتری، دانشگاه علم و صنعت ایران، دانشکده عمران.

Afshar MH, Moeini R (2008) Partially and fully constrained ant algorithms for the optimal solution of large scale reservoir operation problems. Journal of Water Resources Management 22 (1): 1835–1857.

Bozorg Haddad O, Afshar A, Mariño MA (2008) Design operation of multi-hydropower reservoirs: HBMO approach. Water Resources Management 22(12): 1709–1722.

Bullnheimer B, Hartl RF, Strauss C (1999) A new rank-based version of the ant system: A computational study. Central European Journal for Operations Research and Echonomics 7(1): 25-38.

Cai X, MckinneyDC, Larson LS (2002) Piece-by-piece approach to solving large nonlinear water resources management models. ASCE Journal of Water Resources Planning and Management 127(6): 363–368.

Chen L, Chang FJ (2007) Applying a real-coded multipopulation genetic algorithm to multi-reservoir operation. Hydrological Processes 21(5): 688–698.

Chow VT, Cortes-Rivera G (1974) Application of DDDP in water resources planning.  Res. Rep. 78, Univ. of Ill. Water resources Center, Urbana.

Colorni A, Dorigo M, Maniezzo V (1991) Ant system: An autocatalytic optimizing process. Tech. Report 91-016, Politecico di Milao, Italy.

Dorigo M, Gambardella LM (1997) Ant colony system: A cooperative learning approach to the traveling salesman problem. IEEE Transactions on Evolutionary computation 1(1): 53-66.

Dorigo M, Manieezzo V, Colorni A (1996) The ant system: Optimization by a colony of cooperating agents. IEEE Transactions on systems, Man and Cybernetics-part B 26(1): 29-41.

Dorigo M, Gambardella LM, Di Caro G (1999) Ant algorithms for discrete optimization. Artifical life 5(2):137-172.

Esat V, Hall MJ (1994) Water resource system optimization using genetic algorithms. Hydro informatics’94, pro., 1st Int. Conf. on Hydro informatics, Balkerma, Rotterdam, The Netherlands, 225–231.

Fahmy HS, King JP, Wentzle MW, Seton JA (1994) Economic optimization of river management using genetic algorithms. Int. Summer Meeting, AM. Soc. Agric. Engrs, paper no. 943034, St. Joseph, Michigan.

Goos S, Aron S, Deneubourg JL, Pasteels JM (1989) Self-organized shortcuts in the Aregentine ant. Naturwissenschaften 76: 579-581.

Jalali MR, Afshar A (2005) Semi-continuous ACO Algorithms. technical report, Hydroinformatics Center, Civil Engineering Department, Iran University of Science and Technology, Tehran, Iran.

Jalali MR, Afshar A, Marino MA (2007) Multi-colony ant algorithm for continuous multi-reservoir operation optimization problems. Journal of Water Resources Research 21(9): 1429–1447.

Kumar DN, Reddy J (2007) multipurpose reservoir operation using particle swarm optimization. Journal of Water Resources Planning and Management 133(3): 192–201.

Labadie JW (2004) Optimal operation of multireservoir systems: state of the art review. Journal of Water Resources Planning and Management 130(2): 93-111. 

Moeini R, Afshar MH (2011) Arc-based constrained ant colony optimization algorithms for the optimal solution of hydropower reservoir operation problems. Canadian Journal of Civil Engineering 38: 811-824.

Moeini R, Afshar MH (2013) Extension of the Constrained Ant Colony Optimisation Algorithms for Optimal operation of Multi-reservoir Systems. Journal of Hydroinformatics 15(1): 155-173.

Murray DM, Yakowitz S (1979) Constrained differential dynamic programming and its application to multireservoir control. Water Resources Research 15(5): 1017–1027.

Mohan S, Rapure DM (1992) multi objective analysis of multi reservoir system. Journal of Water Resources Planning and Management 118(4): 356-370. 

Mousavi J, Karamouz M (2003) Computational improvement for dynamic programming models by diagnosing infeasible storage combinations. Advances in Water Resources 26(8): 851–859.

Oliveira R, Loucks D (1997) Operation rules for multi reservoir systems. Water Resources Research 33(4): 839–852.

Peng CH, Buras N (2000) Dynamic operation of a surface water resources system. Water Resources Research 36(9): 2701–2709.

Ponnambalam K, Adams B (1996) Stochastic Optimization of multireservoir systems using a heuristic algorithm: case study from India. Water Resources Research 32(3): 733-741.

Stutzle T, Hoos HH (2000) Max-Min Ant System. Future Generation Computer Systems 16(8): 889-914.

Teegavarapu RSV, Simonovic SP, (2000) Short-term operation model for coupled hydropower reservoirs. Journal of Water Resources Planning and Management 126(2): 98-106.

Wardlaw R, Sharif M (1999) Evaluation of genetic algorithms for optimal reservoir system operation. Journal of Water Resources Planning and Management 125(1): 25–33.