<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>مهندسین مشاور طرح و تحقیقات آب و فاضلاب اصفهان</PublisherName>
				<JournalTitle>مجله آب و فاضلاب</JournalTitle>
				<Issn>1024-5936</Issn>
				<Volume>19</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2009</Year>
					<Month>01</Month>
					<Day>01</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Comparison of Heuristic Methods Applied for Optimal Operation of Water Resources</ArticleTitle>
<VernacularTitle>مقایسه کاربرد روشهای کاوشی در بهره‌برداری بهینه از منابع آب</VernacularTitle>
			<FirstPage>57</FirstPage>
			<LastPage>66</LastPage>
			<ELocationID EIdType="pii">1726</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>علیرضا</FirstName>
					<LastName>برهانی داریان</LastName>
<Affiliation>دانشیار گروه منابع آب، دانشکده عمران، دانشگاه خواجه نصیر الدین طوسی، تهران</Affiliation>

</Author>
<Author>
					<FirstName>سید محمد</FirstName>
					<LastName>مرتضوی نائینی</LastName>
<Affiliation>کارشناسی ارشد مدیریت منابع آب، دانشکده عمران، دانشگاه خواجه نصیرالدین طوسی، تهران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2007</Year>
					<Month>10</Month>
					<Day>23</Day>
				</PubDate>
			</History>
		<Abstract>Water resources optimization problems are usually complex and hard to solve using the ordinary optimization methods, or they are at least  not economically efficient. A great number of studies have been conducted in quest of suitable methods capable of handling such problems. In recent years, some new heuristic methods such as genetic and ant algorithms have been introduced in systems engineering. Preliminary applications of these methods in water resources problems have shown that some of them are powerful tools, capable of solving complex problems. In this paper, the application of such heuristic methods as Genetic Algorithm (GA) and Ant Colony Optimization (ACO) have been studied for optimizing reservoir operation. The Dez Dam reservoir inIranwas chosen for a case study. The methods were applied and compared using short-term (one year) and long-term models. Comparison of the results showed that GA outperforms both DP and ACO in finding true global optimum solutions and operating rules.</Abstract>
			<OtherAbstract Language="FA">از آنجا که بهینه‌سازی مسائل سیستم‌های منابع آب دارای پیچیدگی‌هایی است که بعضاً حل آنها با روشهای بهینه‌سازی معمول امکان‌پذیر نیست و یا حداقل از لحاظ اقتصادی مقرون به صرفه نمی‌باشد، تحقیقات فراوانی به منظور یافتن روشهای مناسب برای حل این مسائل صورت گرفته است. در سالهای اخیر روشهای بهینه‌سازی کاوشی همچون الگوریتم ژنتیک در مهندسی سیستم ارائه شده است. کاربردهای اولیه این روشها در مسائل منابع آب نشان داده است که بعضی از آنها ابزارهای قدرتمندی در حل مسائل پیچیده هستند. در مقاله حاضر کاربرد روشهای کاوشی چون الگوریتم ژنتیک و الگوریتم مورچه در بهینه‌سازی بهره‌برداری از مخازن مورد بررسی قرار گرفته است. بدین منظور این مطالعات به طور موردی بر روی مخزن دز انجام گرفت. این روشها برای مدل کوتاه مدت (یک‌ساله) و بلند مدت مورد استفاده قرار گرفته و مقایسه شدند. مقایسه نتایج حاصل از این تحقیق نشان می‌دهد که در مجموع، الگوریتم ژنتیک کارایی بهتری نسبت به الگوریتم مورچه با برنامه‌ریزی پویا در یافتن جواب بهینه و منحنی‌های فرمان دارد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">بهینه‌سازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهره‌برداری مخزن</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم ژنتیک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم مورچگان</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">برنامه‌ریزی پویا</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.wwjournal.ir/article_1726_74563ba21a90da13dacf2a73e3ddefa7.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
