توسعه عمل گرهای منطقی در برنامه ریزی ژنتیک متداول (CGP) و واسنجی آن در قاعده SOP

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 319

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWIM-9-2_012

تاریخ نمایه سازی: 3 مرداد 1400

چکیده مقاله:

برنامه ریزی ژنتیک متداول (CGP) با در نظر گرفتن داده های تجربی (مشاهداتی) باعث بهبود و تکامل داده های تخمینی (محاسباتی) می شود. با این حال، الگوریتم CGP قادر به حل مسائل چندضابطه ای با عمل کرد مطلوب نیست. در این تحقیق، قابلیت الگوریتم CGP از طریق توسعه و ادغام توابع و عمل گرهای منطقی ریاضی به آن، بهبود داده می شود. الگوریتم پیشنهادی، برنامه ریزی ژنتیک منطقی (LGP) نامیده می شود که بهبود عمل کرد آن در مقایسه با الگوریتم CGP، در حوزه منابع آب بررسی می شود. نتایج نشان می دهند که قابلیت الگوریتم LGP در این حوزه، موثرتر و کارآتر از CGP می باشد، به گونه ای که الگوریتم LGP باعث بهبود ۳۹ درصدی تابع هدف نسبت به الگوریتم CGP، در استخراج سیاست بهره برداری استاندارد (SOP) در حوزه منابع آب ]با تابع هدف کمینه نمودن متوسط قدر مطلق خطاها (MAE)[، می شود. مقایسه نتایج الگوریتم ها با استفاده از معیارهای ارزیابی نشان می دهد که استفاده از الگوریتم LGP در بازسازی SOP سبب کاهش ۲۲ درصدی RMSE و افزایش ۱ درصدی NSE، نسبت به CGP شده است.

کلیدواژه ها:

تابع هدف ، توابع منطقی ، توسعه الگوریتم ، سیاست های بهره برداری از مخزن

نویسندگان

پریساسادات آشفته

استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران

امید بزرگ حداد

استاد، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • قادری، ک.، زلقی، آ.، و بختیاری، ب. (۱۳۹۳). بهینه سازی ...
  • کمالی، پ.، ابراهیمیان، ح.، و وردی نژاد، و.ر. (۱۳۹۴). ارزیابی ...
  • مولوی، ح.، لیاقت، ع.، و نظری، ب. (۱۳۹۵). ارزیابی سیاست ...
  • Aryafar, A., Khosravi, V., Zarepourfard, H. & Rooki, R. (۲۰۱۹). ...
  • Ashofteh, P.-S., Bozorg-Haddad, O. & Mariño, M. A. (۲۰۱۳a). Climate ...
  • Ashofteh, P.-S., Bozorg-Haddad, O. & Mariño, M. A. (۲۰۱۳b). Scenario ...
  • Cancelliere, A., Ancarani, A. & Rossi, G. (۱۹۹۸). Susceptibility of ...
  • Chadalawada, J., Havlicek, V. & Babovic, V. (۲۰۱۷). A genetic ...
  • Golubski, W. (۲۰۰۲). New results on fuzzy regression by using ...
  • Koza, J. R. (۱۹۹۲). Genetic programming: On the programming of ...
  • Kramer, M. D. & Zhang, D. (۲۰۰۰). GAPS: A genetic ...
  • Loucks, D. P., Stedinger, J. R. & Haith, D. A. ...
  • Morales, C. O. & Vázquez, K. R. (۲۰۰۴). Symbolic regression ...
  • Raman, H. & Chandramouli, V. (۱۹۹۶). Deriving a general operating ...
  • Searson, D. P., Leahy, D. E. & Willis, M. J. ...
  • Sepahvand, R., Safavi, H. R. & Rezaei, F. (۲۰۱۹). Multi-objective ...
  • Silva, S. (۲۰۰۷). GPLAB: A genetic programming toolbox for Matlab, ...
  • Sheng-Wu, X. & Wei-Wu, W. (۲۰۰۳). Point-tree structure genetic programming ...
  • Tayfur, G. (۲۰۱۷). Modern optimization methods in water resources planning, ...
  • نمایش کامل مراجع