خلاصه

الگوريتم ژنتيک پیوسته، الگوريتمي براي بهينه‌سازي و جستجو است که بر اساس اصول علم ژنتيک و انتخاب طبيعي پايه‌ريزي شده استودر حل مسائل بهینه­سازی کاربرد فراوانی دارند. پیش­بینی مقادیر ذخیره سد امکان یافتن سیاست بهینه بهره ­برداری از مخازن سد را افزایش داده و امکان برگشت سرمایه را در کوتاه­مدت امکان پذیر می نماید. در این راستا ارائه راهکاری جهت پیش­بینی مقادیر ذخیره مخازن سد­ها ضروری به نظر می رسد. در این نوشتار از الگوریتم ژنتیک پیوسته با در نظر گرفتن افق دید یک­ساله و بازه­های زمانی ماهانه، برای پیش بینی ذخیره مخزن سد شهرچای ارومیه استفاده شده است.در نهایت نتایج حاصل از اجرای مدل نشان داد که علاوه بر تأمین نیاز پایین­دست احتمال خطر سیلاب نیز با استفاده از برنامه بهینه­سازی به حداقل می رسد

کلمات کليدي: الگوریتم ژنتیک پیوسته، مدیریت بهینه، پیش­بینی ذخیره مخزن، سد شهرچای ارومیه

1.      مقدمه

پیش­بینی مؤلفه­های مؤثر در بررسی و تحلیل سامانه­ های منابع آب از جمله ذخیره مخازن سد­ها یکی از موارد اساسی در سیاست بهره ­برداری، طراحی و مطالعات مربوط به این منابع محسوب می­شود. بدین منظور روش­های متعددی همانند شبکه­ های عصبی مصنوعی، منطق فازی، برنامه­ریزی ژنتیک، مدل­های مختلف ریاضی، الگوریتم­های فرا­کاوشی و .... مورد استفاده قرار می­گیرند. روش­های مطرح شده برای بهینه­سازی می توانند در دو دسته عمده طبقه­بندی شوند: بهینه­سازی محلی و بهینه­سازی فراگیر یا عام.برای بهینه­سازی عام، اغلب از روش­های تکاملی استفاده می­شود. این الگوریتم­ها شامل الگوریتم های ژنتیک، بهینه­سازی گروه ذرات، باز پخت شبیه­سازی شده و ... می باشند. الگوریتم­های ژنتیک پیوسته شناخته شده­ترین الگوریتم­های تکاملی هستند. این الگوریتم  بر مبنای نظریه تکاملداروین استوار استدر واقع یکی از شناخته شده­ترین و جدید­ترین شیوه از بین روش­های الگوریتم­های تکاملی می­باشد. قواعد اساسی الگوریتم ژنتیک پیوسته برای اولین بار در سال 1962 توسط هالند معرفی گردید وتا به امروز کاربرد­­های فراوانی در بهینه­سازی توابع و شناسایی سیستم پیدا کرده­اند.مطالعات گلدبرگ و همکارانش باعث پیشرفت­های چشمگیری در مطالعات تئوری و کاربرد­های عملی این الگوریتم شد (Goldberg, 1989). این الگوریتم اقدام به تعریف یک تابع هدف در قالب معیار­های کمی نموده و سپس تابع هدف را برای مقایسه جواب­های مختلف حل مسأله در یک فرآیند گام به گام تصحیح ساختار داده­ها به کار برده و در نهایت، بهینه­ترین و مناسب­ترین جواب را ارائه می نمایند. قواعد اساسی الگوریتم ژنتیک پیوسته برای اولین بار در سال 1962 توسط هالند معرفی گردید وتا به امروز کاربرد­های فراوانی در بهینه­سازی توابع و شناسایی سیستم پیدا کرده­اند. به طور کلی در حل مسائل بهینه­سازی از الگوریتم­های سنتی و تکاملی استفاده می­گردد. در بسیاری از مسائل ممکن است تابع هدف منفضل و یا با کثرت ناگهانی همراه باشد که الگوریتم­های سنتی قادر به حل اینگونه مسائل کوچک با تعداد متغیر­های محدود موثر می­باشند، و در شرایطی که تعداد متغیر­های تصمیم زیاد هستند کارآیی چندانی نخواهند داشت. لذا امروزه، به دلیل پیچیدگی­ها و مشکلات مختلف در حل مسائل بهینه­سازی تلاش­های گسترده ای جهت استفاده از الگوریتم­های تصادفی صورت گرفته است. در این نوشتار یک الگوریتم جدید در زمینه محاسبات تکاملی معرفی می شود که بر مبنای نظریه تکامل داروین استوار است.روش الگوریتم ژنتیک پیوسته جزو الگوریتم­های فرا­کاوشی محسوب می­شود. این الگوریتم اقدام به تعریف یک تابع هدف در قالب معیار­های کمی نموده و سپس تابع ذکر شده را برای مقایسه جواب­های مختلف حل مسأله در یک فرآیند گام به گام تصحیح ساختار داده­ها به کار برده و در نهایت، بهینه­ترین و مناسب­ترین جواب را ارائه می نمایند. روش الگوریتم ژنتیک پیوسته یکی از شناخته شده­ترین و جدید­ترین شیوه از بین روش­های الگوریتم­های تکاملی می باشد که به دلیل شمول بالا و دارا بودن دقت و سرعت بالا در اجرای مسائل بهینه سازی ، از کاربرد بیشتری برخوردار می­باشد (گلدبرگ 1989). فهمی و همکاران در سال (1994) از الگوریتم ژنتیک برای یک سیستم مخزن استفاده کردند. اولیورا و لوکاس (1997) از الگوریتم ژنتیک برای پیدا کردن منحنی­های فرمان یک سیستم با چندین مخزن استفاده کردند. واردلو و شریف (1999) از الگوریتم ژنتیک در یک سیستم چهار مخزنه با افق زمانی محدود استفاده کردند. یون و شوماخر (2001) از   الگوریتم ژنتیک کد­گذاری شده با مقادیر واقعی  (RGA)و با دو عملگر گسترش یافته برای یک سیستم آبهای زیر­زمینی استفاده کردند. چانگیان ایا هوانگ کوانگ و وانگ یی مین (2005) برای بهینه­سازی مقدار رها سازی آب در 12 بازه زمانی ماهانه از روش الگوریتم ژنتیک برای ماکزیمم کردن مقدار تولید نیروی برقابی استفاده کردند. نتایج تحقیقات حاکی از برتری نسبی الگوریتم ژنتیک پیوسته به خصوص در حوزه­ی سیستم منابع آب می­باشد