بهینهسازی شبکههای توزیع آب با استفاده از الگوریتم جستجوی گرانشی چندهدفه

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 608

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DCEAEM02_208

تاریخ نمایه سازی: 30 بهمن 1394

چکیده مقاله:

شبکه های توزیع آب شاخصی مهم در توسعهی پایدار شهری و مدیریت اقتصادی به شمار میروند که به ضرورت جایگاه مهمشان، توجه ویژهای جهت سرمایهگذاری را به خود جلب کردهاند و واضح است که هر سرمایهگذاری اقتصادی باید بهینهشود. در سالهای اخیر تحقیقات جامعی جهت بهینهسازی این سیستمها انجام شده و هنوز هم به علت جامعیت این موضوع، تحقیقات مربوط به آن ادامه دارند. الگوریتمهای تکاملی امروزه به عنوان کارآمدترین روش بهینهسازی شبکههای توزیع آب شناخته میشوند که روز به روز بنا بر نیازها بهبود داده میشوند. تا به حال الگوریتمهای معروفی چون الگوریتم ژنتیکGA ازدحام ذراتPSO کلونی مورچگان ACO تکامل دیفرانسیلی DE گداختگی شبیهسازی شدهSA و... در جهت بهینهسازی شبکههای توزیع آب به کار گرفته شدهاند و اغلب پاسخهای قابل قبولی نسبت به روشهای قدیمیتر در بر داشتهاند. این تحقیق ابتدا به معرفی روش جدیدی تحت عنوان الگوریتم جستجوی گرانشی میپردازدGSA که در سال 2009 توسط راشدی و همکاران ارائه شده. سپس با آزمایش یک برنامهی چندهدفه از این الگوریتم بر شبکهی هانویی به عنوان مورد مطالعاتی و مقایسهی نتایج حاصل از آن با برخی الگوریتمهای تکاملی پیشین کارایی این روش سنجیده شده است

نویسندگان

حسین فلاح

دانشجوی کارشناسی ارشد رشتهی مهندسی عمران آب دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

مسعودرضا حسامی کرمانی

استادیار گروه آموزشی عمران دانشگاه شهید باهنر کرمان

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 :
  • نظام آبادی، ح-.الگوریتم وراثتی، انتشارات دانشگاه شهید باهنر کرمان، 1392 ...
  • تقضا (مترمکعب بر ساعت) -19940 890 850 130 275 ...
  • Yongchang p., Chengshan C., Zhibiao X, 2008, Multi-obj ective optimization ...
  • Murphy L.J., Simpson A.R., Dandy G.C, 1993, Design of a ...
  • Schaake J.C., Lai D., 1969, Linear programming and dynamic programming ...
  • Eiger G, Shamir U., Ben-Tal A., 1994, Optimal design of ...
  • Li M., Liu S., Zhang L, , Wang H., Meng ...
  • Goldberg D.E., 1989, Genetic Algorithms in Search, Optimization, and Machine ...
  • Van Zyl J.E., Savic D.A., Walters G.A., 2004, Operational optimization ...
  • Keedwell E.C., Khu S.T., 2005, A hybrid genetic algorithm for ...
  • Eberhart R., Kennedy ., 1995, A new optimizer using particle ...
  • Clerc M., Kennedy J., 2002, The particle swarm-exp losion, stability, ...
  • Clerc M., 1999, The swarm and the queen: towards a ...
  • Parsopoulos K.E., Vrahatis M.N., 2002, Recent approaches to global optimization ...
  • Storn R., Price K., 1995, DE a simple and efficient ...
  • Maier H.R., Simpson A.R, Zecchin A.C., Foong W.K., Phang K.Y., ...
  • Cunha M., Sousa J., 1999, Water distribution network design optimization: ...
  • Rashedi E., Nezamab adi-pour H., Saryazdi S., 2009, GSA:A Gravitational ...
  • Bureerat S., Sriworamas K., , 2013, Simultaneous topology and sizing ...
  • Li C., Zhou J., Lu P., Wang C., 2015, Short ...
  • Fujiwara O., Khang D.B., 1990, A two-phase decomposition method for ...
  • 22 23 24 25 26 27 28 29 ...
  • 1350 550 550 525 500 560 940 615 280 310 ...
  • 22 23 24 25 26 27 28 29 ...
  • نمایش کامل مراجع