بهینه‌سازی قطر لوله‌های شبکه آبرسانی شهری با استفاده از الگوریتم‌ ژنتیک سریع آشفته و کرم شبتاب در مدل Relopt (مطالعه موردی: شهرک شهرداری کرمان)

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشگاه زابل

2 فارغ التحصیل رشته مهندسی منابع آب - دانش آموخته دانشگاه زابل

چکیده

مشکل هزینه بالای سیستم‌های آبرسانی شهری، همراه با پیچیدگی‌های طراحی و مشکلات کارکرد نامناسب حال حاضر آنها، بهینه سازی طرح این سیستم‌ها را قبل از اعمال تغییرات در آنها به نیاز اولیه و اساسی مدیران در این زمینه تبدیل کرده است. به دلیل پیچیدگی غیر خطی و منحصر به فرد طراحی این شبکه‌ها، مهندسان در سال‌های اخیر این مشکل را به کمک هوش مصنوعی و الگوریتم‌های جستجوگر حل می‌کنند. در تحقیق حال حاضر به مطالعه موردی در یکی از شهرک‌های شهر کرمان و پیدا کردن راه حل آن به کمک الگوریتم‌های ژنتیک سریع آشفته و کرم شب‌تاب و سپس شبیه سازی شبکه با استفاده از نرم افزار WaterGEMS پرداخته شد. ابتدا شبکه آبرسانی منطقه مورد مطالعه در محیط WaterGEMS مدل شده و سپس مشخصات شبکه آبرسانی به الگوریتم‌های بهینه سازی وارد گشته و با استفاده از محدودیت‌های استاندارد فشار و سرعت، گزینه‌های بهینه این دو الگوریتم خارج شد. با اجرای مجدد نتایج حاصل از مدل‌های بهینه سازی در مدل WaterGEMS و کنترل محدودیت‌ها، به برآورد هزینه و مقایسه آن‌ها با یکدیگر پرداخته شد. بررسی نتایج مدل‌های بهینه سازی نشان می‌دهد که الگوریتم ژنتیک سریع آشفته به میزان %37.7 و الگوریتم کرم شب‌تاب نیز به مقدار %34.4 توانسته‌اند تابع هزینه را نسبت به حالت قبل از بهینه سازی شبکه کاهش دهند. در نهایت می‌توان بیان نمود که همه‌ی الگوریتم‌های بهینه سازی مورد استفاده در این مطالعه توانسته‌اند به کاهش چشمگیر هزینه‌های پروژه دست یابند

کلیدواژه‌ها

عنوان مقاله [English]

Optimization of Water Network Distribution Using Fast Messy Genetic and firefly Algorithms in Relopt Model (Case Study: Havanirouz Town, Kerman)

نویسنده [English]

  • omolbani mohammad reza pour 1
1
2
چکیده [English]

The high cost problem of urban water supply systems, along with the complexity of the design and unsuitable operation problems cause that optimization of the system before applying any changes, has become the basic needs of managers in this area. Due to the complexity of nonlinear and unique design of these networks, in recent years engineers using artificial intelligence and search algorithms to solve this problem. In the present study find solutions for the network in a town of Kerman with help of fast messy Genetic and firefly Algorithms and network simulation software intended WaterGEMS. First the water supply network in the study area simulated in WaterGEMS model and the properties required for optimization algorithms have been extract, then using the standard pressure and speed constraints, these algorithms create optimal choices. By entering these results in WaterGEMS model and re-running for limits check, the cost estimates are discussed and compared. The results show that the optimization of, fast messy Genetic algorithm with 37.7% is able to reduce the cost function of network compare to pre-optimized network. Also Firefly algorithm in the amount of 34.4%, is able to reduce costs. Finally, we can say that both optimization algorithms used in this study have been able to achieve a dramatic reduction in project costs.

کلیدواژه‌ها [English]

  • water network
  • Optimization
  • Firefly algorithm
  • Fast messy genetic algorithm
  • Kerman

مراجع

1.Barlow, E., and Tanyimboh, T.T. 2014. Multiobjective Memetic Algorithm Applied to the Optimisation of Water Distribution Systems. Water Resource Management. 28: 2229-2242.
2.Beygi, S., Bozorg Haddad, O., Fallah-Mehdipour, E., and Mariño, M.A. 2014. Bargaining Models for Optimal Design of Water Distribution Networks. J. Water Resour. Plan. Manage. 140: 1. 92-99.
3.Gerosinejad, A., and Bozorg hadad, A. 2013. Optimal operation of reservoir using firefly Algorithm. Fifth conference of water resource management. University of Shahid Beheshti, Iran. (In Persian)
4.Goldberg, D.E., Korb, B., and Deb, K. 1989. Messy genetic algorithms: Motivation, analysis, and first results. Complex Systems. 3: 5. 493-530.
5.Haghighi, A. 2014. GA-DTO method for design of economic water distribution network. J. Hydr. 1: 8. 19-37. (In Persian)
6.Hassanzadeh, T., meibodi, M.R., and Mahmodi, F. 2011. Improved firefly Algorithm for optimization in static sphere. Fifth conference of data search. Amir Kabir University of Technology, Iran. (In Persian)
7.Klise, K., Phillips, C., and Janke, R. 2013. Two-Tiered Sensor Placement for Large Water Distribution Network Models. J. Infrastructure Syst. 19: 4. 465-473.
8.Mahdavi, F., Tiara, A., Galal Kamali, N., and Galal Kamali, A. 2012. Optimization of water distribution network using particle swarm algorithm. Case study: Hormozgan province water distribution network. (In Persian) 
9.Moghadam, E., Alizadeh, A., and Faridhoseini, A.R. 2013. Comparison an assessment of Genetic and Particle swarm Algorithms in optimal design of urban water distribution networks. M.Sc. thesis, Faculty of Agricultural, University of Tabriz. (In Persian)
10.Moshtaghi Yazdani, N., Shariat Panahi, M., Moetamedzadeh, H.R., and Afrand, P. 2012. Improving of firefly algorithm using change in parameters. First conference of industry engineering and systems. Islamic AzadUniversity, Nagafabad branch, Iran. (In Persian)
11.Morley, M.S., and Tricaricob, C. 2014. A Comparison of Population-based Optimization Techniques for Water Distribution System Expansion and Operation. 16th Conference on Water Distribution System Analysis, July 2014.
12.Mosavian, C.A., Sharify, M.B., and Ragabi Mashhadi, H. 2009. Application of meta- heuristic algorithms in optimization of water distribution network. Eighth international conference of civil engineering, Shiraz. (In Persian)
13.Mtolera, I., Haibin, L., Ye, L., Feng, B.S., Xue, D., and Yi, M. 2014. Optimization of Tree Pipe Networks Layout and Size, Using Particle Swarm Optimization. WSEAS Transactions on Computers, 13: 219-230.
14.Norani, V., keinejad, M.A., and Kardan, N. 2011. Application of Genetic Algorithm in optimization of penstock in concrete dams. J. Civil Environ. 3: 40. 85-95. (In Persian)
15.Rahmani, F., and Behzadian, K. 2014. Sequential Multi-Objective Evolutionary Algorithm for a Real-World Water Distribution System Design. 16th Conference on Water Distribution System Analysis, July 2014, Bari, Italy.
16.Rasekh, A., and Brumbelow, K. 2014. A Dynamic Simulation-Optimization Model for Adaptive Management of Urban Water Distribution System Contamination Threats. Applied Soft Computing, June 30 2014.
17.Sabbaghpour, S., Naghashzadehgan, M., Javaherdeh, K., and Bozorg Haddad, O. 2012. HBMO algorithm for calibrating water distribution network of Langarud city. Water Science and Technology. 65: 9. 1564-1569.
18.Shahi, B., Jafarzadeh, M.R., and Mosavian, C.N. 2013. Application of Differential Evolution in urban water distrubtion (case study: Torbat Gam water network). Seventh civil conference, Zahedan. (In Persian)
19.Soltani, G., and Mohammadrezapour Tabary, M. 2011. Appointment of effective elements in pipe brake rate in water distribution networks using artificial Neural Network and Genetic Algorithm. J. Water Wastewater. 3: 2-15. (In Persian)
20.Sousa, J., Muranho, J., Sá Marques, A., and Gomes, R. 2014. WaterNetGen HELPS
C-Town. 16th Conference on Water Distribution System Analysis, July 2014, Bari, Italy.
21.Tabesh, M., and Karimzadeh, A. 2003. Optimal urban distribution network using reliability constraint and discharge–pressure relation in nods. J. Technic. College. 37: 2. 199-211.
(In Persian)
22.Yang, X.Sh. 2010. Engineering Optimization an Introduction with Meta-heuristic Applications. Wiley Inter-science, New York, 222p.
مجله پژوهش‌های حفاظت آب و خاک
دوره 23، شماره 4
مهر 1395
صفحه 45-64

فایل ها

هم رسانی

ارجاع به این مقاله

آمار