طراحی بهینه شبکه های توزیع آب با استفاده از الگوریتم بهینه سازی گروه میگوها

نوع مقاله : مقاله کامل پژوهشی

نویسندگان

1 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان

2 دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، باشگاه پژوهشگران جوان و نخبگان، تهران

چکیده

امروزه طراحی اقتصادی و بهینه نمودن شبکه­ های توزیع و انتقال آب به گونه­ ای که بتوان با صرف حداقل هزینه کلیه محدودیت ­های مورد نظر در شبکه را ارضا نمود از مباحث مهم تحقیقاتی می­ باشد. ازجمله روش­ های مؤثر جهت طراحی بهینه، استفاده از الگوریتم ­های بهینه­ سازی فراکاوشی می ­باشد که به ­دلیل دارا بودن عملگرهایی همچون جهش و همچنین بهره­ مندی از مزایای هوش جمعی قدرت بیشتری در یافتن پاسخ­ های بهینه یک مسئله دارند. در پژوهش حاضر بهینه ­سازی قطر لوله­ ها در دو شبکه آبرسانی کادو و خرمشهر با به ­کارگیری الگوریتم بهینه ­سازی گروه میگوها (Krill Herd Optimization) که یک الگوریتم هوش جمعی با رفتار سراسری هوشمندانه می باشد بررسی شده است. تابع هدف که بایستی حداقل گردد شامل هزینه خرید لوله­ ها با در نظر گرفتن محدودیت­ های هیدرولیکی حاکم بر شبکه می­ باشد. بدین منظور این الگوریتم در برنامه متلب (MATLAB) کدگذاری شده و با نرم­افزار هیدرولیکی ایپنت (EPANET) ارتباط داده شده است. اجرای این روش و مقایسه پاسخ به ­دست آمده برای تابع هزینه در شبکه کادو با نتایج الگوریتم ­های GA، GA-ILP و PSO در مطالعات پیشین نشان داد که پاسخ یافته شده توسط الگوریتم گروه میگوها نسبت به GA حدود 3/3 درصد، نسبت به GA-ILP حدود 3 درصد و نسبت به PSO حدود 6/2 درصد کاهش داشته است. همچنین نتیجه شبکه خرمشهر در مقایسه با روش LP حدود 10 درصد معادل 158،658،000 ریال کاهش هزینه لوله ­های شبکه را در بر داشته است. این بهبودها در نتایج حاکی از توانایی بیشتر الگوریتم گروه میگوها در فرار از پاسخ­ های بهینه محلی و نزدیک شدن به بهینه سراسری در حل مسئله شبکه­ های توزیع آب می ­باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimum Design of Water Distribution Networks Utilizing Optimization Krill Herd Algorithm

نویسندگان [English]

  • Zahra Hasanpour 1
  • Babak Shahinejad 1
  • Hasan Torabi Podeh 1
  • Azadeh Jabbary 2
1 Hydraulic-Structures, Department of Water Engineering, Lorestan University, Khoramabad, Iran
2 Elites Club, Science and Research Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

 
An effective way to achieve an economic design of water distribution networks (WDNs) is to utilize the metaheuristic optimization algorithms which profited by swarm intelligence. In this research, Krill Herd (KH) Optimization algorithm was applied to obtain the optimum design of water distribution networks (WDNs). For this purpose, KH algorithm was linked with EPANET hydraulic software (Rossman 2000) in MATLAB. The capital cost was considered as the objective function in Kadu and Khorramshahr WDNs herein. The obtained optimum design cost for two WDNs were compared with the solutions published using other approaches.

کلیدواژه‌ها [English]

  • Metaheuristic algorithm
  • Hydraulic constraints
  • Matlab
  • Epanet
حقیقی ع، " طراحی اقتصادی شبکه ­های آبرسانی با استفاده از عملگــر مفهـومی آستانه پویا در الگـوریتم ژنتیـک
(GA-DTO)"، هیدرولیک، 1392، 8 (1)، 37-19.
صادقی لاری ن، "استفاده از الگوریتم میگوها جهت بهبود ساختار شبکه عصبی مصنوعی"، پایان‌نامه دانشگاه آزاد اسلامی، واحد قزوین، 1394.
مقدم ع، علیزاده ا، فرید حسینی ع، ضیایی ع ن، فلاح هروی د، "کاربرد یک الگوریتم اصلاح شده بهینه­ سازی ازدحام ذرات در طراحی سیستم­ های توزیع آب"، نشریه آبیاری و زهکشی ایران، 1392، 7 (3)، 401-389.
Afshar MH, Afshar A, Marino MA, Hon M, “An iterative penalty method for the optimal design of pipe networks”, International Journal of Civil Engineering, 2009, 7 (2), 109-123.
Asteris PG, Nozhati S, Nikoo M, Cavaleri L, Nikoo M, “Krill herd algorithm-based neural network in structural seismic reliability evaluation”, Mechanics of Advanced Materials and Structures, 2018, 1-8.
Bozorg-Haddad O, Latifi M, Bozorgi A, Rajabi MM, Naeeni ST, Loáiciga HA, “Development and application of the anarchic society algorithm (ASO) to the optimal operation of water distribution networks”, Water Science and Technology: Water Supply, 2018, 18 (1), 318-332.
Gandomi AH, Alavi AH, “Krill herd: a new bio-inspired optimization algorithm”, Communications in Nonlinear Science and Numerical Simulation, 2012, 17 (12), 4831-4845.
Geem ZW, “Multiobjective optimization of water distribution networks using fuzzy theory and harmony search”, Water, 2015, 7 (7), 3613-3625.
Haghighi A, Samani HMV, Samani ZMV, “GA-ILP method for optimization of water distribution networks”, Water Resources Management, 2011, 25 (7), 1791-1808.
Jabbary A, Podeh HT, Younesi H, Haghiabi AH, “Development of central force optimization for pipe-sizing of water distribution networks”, Water Science and Technology: Water Supply, 2016, 16 (5), 1398-1409.
Kadu MS, Gupta R, Bhave PR, “Optimal design of water networks using a modified genetic algorithm with reduction in search space”, Water Resource Planning and Management, 2008, 134 (2), 147-160.
Mansouri R, Torabi H, Hoseini M, Morshedzadeh H, “Optimization of the Water Distribution Networks with Differential Evolution (DE) and Mixed Integer Linear Programming (MILP)”, Journal of Water Resource and Protection, 2015, 7, 715-729.
Reca J, Martínez J, López-Luque R, “A new efficient bounding strategy applied to the heuristic optimization of the water distribution networks design”, Congress on Numerical Methods in Engineering CMN, Valencia, Spain, 3-5 July, 2017.
Rossman LA, EPANET 2 User’s Manual, EPA/600/R-00/057, 2000.
Samani HMV, Zanganeh A, “Optimization of water networks using linear programming”, Water Management, 2010, 163, 9, 475-485.
Savic DA, Walters GA, “Genetic algorithms for least-cost design of water distribution networks”, Water Resource Planning and Management, 1997, 123 (2), 67-77.
Shirzad A, Tabesh M, Atayikia B, “Multiobjective Optimization of Pressure Dependent Dynamic Design for Water Distribution Networks”, Water Resources Management, 2017, 31 (9), 2561-2578.
Surco DF, Vecchi TP, Ravagnani MA, “Optimization of water distribution networks using a modified particle swarm optimization algorithm”, Water Science and Technology: Water Supply, 2018, 18 (2), 660-678.
Syahputra R, “Distribution Network Optimization Based on Genetic Algorithm”, Journal of Electrical Technology UMY, 2017, 1 (1), 1-9.
Wang GG, Gandomi AH, Alavi AH, Gong D, “A comprehensive review of krill herd algorithm: variants hybrids and applications”, Artificial Intelligence Review, 2017, 1-30.
Wang G, Guo L, Wang H, Duan H, Liu L, Li J, “Incorporating mutation scheme into krill herd algorithm for global numerical optimization”, Neural Computing and Applications, 2014, 24 (3-4), 853-871.
Wolpert DH, Macready WG, “No free lunch theorems for optimization”, IEEE Transactions on Evolutionary Computation, 1997, 1 (1), 67-82.