چكيدهدر اين مقاله، كاربرد الگوريتم ژنتيك در بهينه‌سازي بهره‌برداري از سيستم‌هاي چندمخزني بررسي شده است. بهينه‌سازي پارامترهاي سياست بهره‌برداري در اين روش، صرفاً با استفاده از نتايج شبيه‌سازي سيستم انجام مي‌شود. بنابراين مي‌توان انواع مختلفي از مسائل بهره‌برداري را مستقل از نوع تابع هدف و قيدهاي آن و نيز ساختار سياست بهره‌برداري، بهينه‌سازي نمود. در اين مقاله پس از بررسي اجمالي روش الگوريتم ژنتيك پيشنهادي، عملكرد آن در بهينه‌سازي يك سيستم پوياي استوكستيك و برنامه‌ريزي پويا با رگرسيون مقايسه شده است. نتايج حاصل، نشانگر برتري الگوريتم ژنتيك هم به لحاظ سرعت و محاسيبات و هم مقدار تابع هدف در مقايسه با دو روش ديگر بوده است. با اين حال به منظور افزايش كارايي اين روش، اصلاحاتي در آن صورت گرفته است. بهبود كارايي عملگرهاي الگوريتم ژنتيك به ويژه استفاده از قانون به هنگام‌سازي قدرت جهش و محاسبه برازندگي كروموزوم‌ها بوسيله شبيه‌سازي سيستم با دوره‌هاي متغير، دو نمونه از اين اصلاحات را تشكيل داده‌اند.در بررسي‌هاي انجام شده اثر اين اصلاحات كاملاً مفيد ارزيابي شده است، به گونه‌اي كه روش اصلاح شده قادر خواهد بود در مدت زماني كمتر به نتايجي بهتر از روش معمولي دست يابد. ارزيابي مدل نهايي الگوريتم ژنتيك نشان مي‌دهد كه روش پيشنهادي، روشي بسيار كارآمد در حل مسائل سيستم‌هاي بزرگ است كه حل آنها با روش‌هاي رايج غالباً غيرممكن است. به عبارتي، ارزش و كارامدي عملگرهاي پيشنهادي از نقطه‌اي شروع مي‌شود كه عملگرهاي رايج الگوريتم ژنتيك در آن نقطه متوقف شده و قادر به پيشروي نيستند.1- مقدمهبهينهسازي بهره‌برداري از سيستم‌هاي چندمخزني و تدوين قوانين و سياست‌هاي كارآمد بهره‌برداري از آنها از چندين دهه پيش يكي از موضوعات اصلي در مطالعات منابع آب بوده و تحقيقات گسترده‌اي بر آن انجام شده است. در اين راه پيشرفت‌هاي فراواني چه به لحاظ استراتژي‌هاي جديد و كارآمد حل مساله و چه از نظر افزايش توانمندي و سرعت كامپيوترهاي شخصي به عنوان ابزارهاي محاسباتي بوجود آمده است. اما به رغم اين پيشرفت‌ها، بهينه‌سازي بهره‌برداري از يك سيستم چندمخزني بزرگ به صورت يكپارچه به ويژه هنگامي كه عدم قطعيت‌هاي هيدرولوژيكي سيستم به صورت واقع‌بينانه در نظر گرفته مي‌شوند، همچنان كاري چالش‌دار باقي مانده است.لادباديه در مروري بر استراتژي‌هاي حل مساله بهينه‌سازي بهره‌برداري از سيستم مخازن، اين استراتژي‌ها را در چهار دسته بهينه‌سازي استوكستيك ضمني، بهينه‌سازي استوكستيك صريح، كنترل بهينه زمان واقعي و روش‌هاي برنامه‌ريزي كاوشي مورد بررسي قرار داده است. روش الگوريتم ژنتيك در اين بررسي به عنوان يك روش برنامه‌ريزي كاوشي در نظر گرفته شده است و داراي اين مزيت ويژه مي‌باشد كه مي‌دانيد تمامي جزئيات مدل‌هاي شبيه‌سازي درنظر بگيريد، بدون آنكه به فرضياتي براي ساده‌سازي درنظر بگيريد، بدون آنكه به فرضياتي براي ساده‌سازي مساله يا محاسبه مشتقات تابع هدف نياز داشته باشد. از اين رو مي‌توان روش GA را استراتژي اميدواركننده‌اي در حل مساله بهره‌برداري بهينه از سيستم مخازن، به ويژه در سيستم‌هاي واقعي بزرگ با توابع هدف و قيدهاي پيچيده غيرخطي و تفكيك‌ناپذير دانست.الگوريتم ژنتيك از طريق فرآيندي شبيه به روش‌هاي انتخاب طبيعي در علوم زيست‌شناسي به بهينه‌سازي مسائل مي‌پردازد. اين الگوريتم‌ها در طول دهه گذشته به طور گسترده به عنوان ابزارهاي جستجو و بهينه‌سازي در رشته‌هاي مختلف از جمله بازرگاني، علوم و مهندسي بكار گرفته شده‌اند.اگرچه استفاده از GA در مستئل بهره‌برداري از سيستم‌هاي منابع آب روش نسبتاً جديد محسوب مي‌شود، اما كاربردهاي موفقي از آن گزارش رشده است. ايسات و هال كاربرد GA را در يك سيستم چهارمخزني معروف بررسي كردند. آنها مدل GA را با برنامه‌ريزي پويا، مقايسه و آن را به لحاظ نيازهاي محاسباتي كاملاً برتري گزارش نمودند. واردلا و شريف نيز از GA براي بهينه‌سازي همان سيستم چهارمخزني استفاده كرده و نشان دادند كه اين روش مي‌تواند جواب‌هاي توانمند و قابل قبولي ارائه دهد. يك سال بعد اين كار توسط شريف و واردلا توسعه بيشتري يافت. اوليويرا و لاكس از GA براي بهينه‌سازي منحني‌هاي فرمان در سيستم‌هاي چندمخزني سياست‌هاي بهره‌برداري از سيستم‌هاي مخازن پيچيده ارزيابي نمودند. كاي و همكاران، GA را برنامه‌هاي خطي با موفقيت مورد استفاده قرار دادند.
چكيدهدر اين مقاله، كاربرد الگوريتم ژنتيك در بهينه‌سازي بهره‌برداري از سيستم‌هاي چندمخزني بررسي شده است. بهينه‌سازي پارامترهاي سياست بهره‌برداري در اين روش، صرفاً با استفاده از نتايج شبيه‌سازي سيستم انجام مي‌شود. بنابراين مي‌توان انواع مختلفي از مسائل بهره‌برداري را مستقل از نوع تابع هدف و قيدهاي آن و نيز ساختار سياست بهره‌برداري، بهينه‌سازي نمود. در اين مقاله پس از بررسي اجمالي روش الگوريتم ژنتيك پيشنهادي، عملكرد آن در بهينه‌سازي يك سيستم پوياي استوكستيك و برنامه‌ريزي پويا با رگرسيون مقايسه شده است. نتايج حاصل، نشانگر برتري الگوريتم ژنتيك هم به لحاظ سرعت و محاسيبات و هم مقدار تابع هدف در مقايسه با دو روش ديگر بوده است. با اين حال به منظور افزايش كارايي اين روش، اصلاحاتي در آن صورت گرفته است. بهبود كارايي عملگرهاي الگوريتم ژنتيك به ويژه استفاده از قانون به هنگام‌سازي قدرت جهش و محاسبه برازندگي كروموزوم‌ها بوسيله شبيه‌سازي سيستم با دوره‌هاي متغير، دو نمونه از اين اصلاحات را تشكيل داده‌اند.در بررسي‌هاي انجام شده اثر اين اصلاحات كاملاً مفيد ارزيابي شده است، به گونه‌اي كه روش اصلاح شده قادر خواهد بود در مدت زماني كمتر به نتايجي بهتر از روش معمولي دست يابد. ارزيابي مدل نهايي الگوريتم ژنتيك نشان مي‌دهد كه روش پيشنهادي، روشي بسيار كارآمد در حل مسائل سيستم‌هاي بزرگ است كه حل آنها با روش‌هاي رايج غالباً غيرممكن است. به عبارتي، ارزش و كارامدي عملگرهاي پيشنهادي از نقطه‌اي شروع مي‌شود كه عملگرهاي رايج الگوريتم ژنتيك در آن نقطه متوقف شده و قادر به پيشروي نيستند.1- مقدمهبهينهسازي بهره‌برداري از سيستم‌هاي چندمخزني و تدوين قوانين و سياست‌هاي كارآمد بهره‌برداري از آنها از چندين دهه پيش يكي از موضوعات اصلي در مطالعات منابع آب بوده و تحقيقات گسترده‌اي بر آن انجام شده است. در اين راه پيشرفت‌هاي فراواني چه به لحاظ استراتژي‌هاي جديد و كارآمد حل مساله و چه از نظر افزايش توانمندي و سرعت كامپيوترهاي شخصي به عنوان ابزارهاي محاسباتي بوجود آمده است. اما به رغم اين پيشرفت‌ها، بهينه‌سازي بهره‌برداري از يك سيستم چندمخزني بزرگ به صورت يكپارچه به ويژه هنگامي كه عدم قطعيت‌هاي هيدرولوژيكي سيستم به صورت واقع‌بينانه در نظر گرفته مي‌شوند، همچنان كاري چالش‌دار باقي مانده است.لادباديه در مروري بر استراتژي‌هاي حل مساله بهينه‌سازي بهره‌برداري از سيستم مخازن، اين استراتژي‌ها را در چهار دسته بهينه‌سازي استوكستيك ضمني، بهينه‌سازي استوكستيك صريح، كنترل بهينه زمان واقعي و روش‌هاي برنامه‌ريزي كاوشي مورد بررسي قرار داده است. روش الگوريتم ژنتيك در اين بررسي به عنوان يك روش برنامه‌ريزي كاوشي در نظر گرفته شده است و داراي اين مزيت ويژه مي‌باشد كه مي‌دانيد تمامي جزئيات مدل‌هاي شبيه‌سازي درنظر بگيريد، بدون آنكه به فرضياتي براي ساده‌سازي درنظر بگيريد، بدون آنكه به فرضياتي براي ساده‌سازي مساله يا محاسبه مشتقات تابع هدف نياز داشته باشد. از اين رو مي‌توان روش GA را استراتژي اميدواركننده‌اي در حل مساله بهره‌برداري بهينه از سيستم مخازن، به ويژه در سيستم‌هاي واقعي بزرگ با توابع هدف و قيدهاي پيچيده غيرخطي و تفكيك‌ناپذير دانست.الگوريتم ژنتيك از طريق فرآيندي شبيه به روش‌هاي انتخاب طبيعي در علوم زيست‌شناسي به بهينه‌سازي مسائل مي‌پردازد. اين الگوريتم‌ها در طول دهه گذشته به طور گسترده به عنوان ابزارهاي جستجو و بهينه‌سازي در رشته‌هاي مختلف از جمله بازرگاني، علوم و مهندسي بكار گرفته شده‌اند.اگرچه استفاده از GA در مستئل بهره‌برداري از سيستم‌هاي منابع آب روش نسبتاً جديد محسوب مي‌شود، اما كاربردهاي موفقي از آن گزارش رشده است. ايسات و هال كاربرد GA را در يك سيستم چهارمخزني معروف بررسي كردند. آنها مدل GA را با برنامه‌ريزي پويا، مقايسه و آن را به لحاظ نيازهاي محاسباتي كاملاً برتري گزارش نمودند. واردلا و شريف نيز از GA براي بهينه‌سازي همان سيستم چهارمخزني استفاده كرده و نشان دادند كه اين روش مي‌تواند جواب‌هاي توانمند و قابل قبولي ارائه دهد. يك سال بعد اين كار توسط شريف و واردلا توسعه بيشتري يافت. اوليويرا و لاكس از GA براي بهينه‌سازي منحني‌هاي فرمان در سيستم‌هاي چندمخزني سياست‌هاي بهره‌برداري از سيستم‌هاي مخازن پيچيده ارزيابي نمودند. كاي و همكاران، GA را برنامه‌هاي خطي با موفقيت مورد استفاده قرار دادند.