<?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>16</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2006</Year>
					<Month>01</Month>
					<Day>01</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Genetic Algorithm (GA) Method for Optimization of Multi-Reservoir Systems Operation</ArticleTitle>
<VernacularTitle>کاربرد مقایسه‌ای الگوریتم ژنتیک در بهینه‌سازی بهره‌برداری از سیستم‌های چندمخزنی</VernacularTitle>
			<FirstPage>11</FirstPage>
			<LastPage>20</LastPage>
			<ELocationID EIdType="pii">2193</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>شروین</FirstName>
					<LastName>ممتحن</LastName>
<Affiliation>دانشجوی دکترای مدیریت منابع آب، دانشکده عمران دانشگاه صنعتی خواجه نصیرالدین طوسی</Affiliation>

</Author>
<Author>
					<FirstName>علیرضا</FirstName>
					<LastName>برهانی داریان</LastName>
<Affiliation>عضو هیئت علمی دانشکده عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2005</Year>
					<Month>11</Month>
					<Day>13</Day>
				</PubDate>
			</History>
		<Abstract>A Genetic Algorithm (GA) method for optimization of multi-reservoir systems operation is proposed in this paper. In this method, the parameters of operating policies are optimized using system simulation results. Hence, any operating problem with any sort of objective function, constraints and structure of operating policy can be optimized by GA. The method is applied to a 3-reservoir system and is compared with two traditional methods of Stochastic Dynamic Programming and Dynamic Programming and Regression. The results show that GA is superior both in objective function value and in computational speed. The proposed method is further improved using a mutation power updating rule and a varying period simulation method. The later is a novel procedure proposed in this paper that is believed to help in solving computational time problem in large systems. These revisions are evaluated and proved to be very useful in converging to better solutions in much less time. The final GA method is eventually evaluated as a very efficient procedure that is able to solve problems of large multi-reservoir system which is usually impossible by traditional methods. In fact, the real performance of the GA method starts where others fail to function.</Abstract>
			<OtherAbstract Language="FA">در این مقاله، کاربرد الگوریتم ژنتیک در بهینه‌سازی بهره‌برداری از سیستم‌های چند مخزنی بررسی شده است. بهینه‌سازی پارامترهای سیاست بهره‌برداری در این روش، صرفاً با استفاده از نتایج شبیه‌سازی سیستم انجام می‌شود و بنابراین می‌توان انواع مختلفی از مسائل بهره‌برداری را مستقل از نوع تابع هدف و قیدهای آن و نیز ساختار سیاست بهره‌برداری، بهینه‌سازی نمود. در این مقاله پس از بررسی اجمالی روش الگوریتم ژنتیک پیشنهادی، عملکرد آن در بهینه‌سازی یک سیستم سه مخزنی بررسی و با روشهای برنامه ریزی پویای استوکستیک و برنامه‌ریزی پویا با رگرسیون مقایسه شده است. نتایج حاصل، نشانگر برتری الگوریتم ژنتیک هم به لحاظ سرعت محاسبات و هم مقدار تابع هدف در مقایسه با دو روش دیگر بوده است. با این حال به منظور افزایش کارآیی این روش، اصلاحاتی در آن صورت گرفته است. بهبود کارآیی عملگرهای الگوریتم ژنتیک به ویژه استفاده از قانون بهنگام سازی قدرت جهش و محاسبة برازندگی کروموزوم‌ها به وسیلة شبیه‌سازی سیستم با دوره‌های متغیر، دو نمونه از این اصلاحات را تشکیل داده‌اند. در بررسیهای انجام شده اثر این اصلاحات کاملاً مفید ارزیابی شده است به گونه‌ای که روش اصلاح شده قادر خواهد بود در مدت زمانی کمتر به نتایجی بهتر از روش معمولی دست یابد. ارزیابی مدل نهایی الگوریتم ژنتیک نشان می‌دهد که روش پیشنهادی روشی بسیار کارآمد در حل مسائل سیستم‌های بزرگ است که حل آنها با روشهای رایج غالباً غیرممکن است. به عبارتی، ارزش و کارآمدی عملگرهای پیشنهادی از نقطه‌ای شروع می‌شود که عملگرهای رایج الگوریتم ژنتیک در آن نقطه متوقف شده و قادر به پیشروی نیستند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">سیستم‌های چند مخزنی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینه‌سازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">سیاست بهره‌برداری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم ژنتیک</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.wwjournal.ir/article_2193_ca0daec69b5adc880fb464895726dbdf.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
