view in publisher's site

Application of Cat Swarm Optimization Algorithm for Optimal Reservoir Operation

The scarcity of water resources throughout the world has caused many complexities in meeting water demands, which in turn has created a tendency toward developing more efficient and effective methods for optimum operation of reservoirs. In this study, the cat swarm optimization (CSO) algorithm is applied to determine optimal operation of reservoir systems (a single-reservoir system and a hypothetical four-reservoir system). Comparison with the commonly used genetic algorithm (GA) demonstrates the superiority of this metaheuristic algorithm. For the single-reservoir system, the global optimum of 1.213 was computed using the nonlinear programming method, whereas the average objective-function values for 10 runs of the CSO algorithm and GA were 1.222 and 1.635, respectively. The CSO algorithm scored a convergence rate of 99.58% compared with 78.76% by GA, and a coefficient of variation that was 1/31 that of the GA in 10 runs. In the four-reservoir system, the convergence rate of the CSO algorithm was 99.97% compared with 98.47% by GA, with average objective-function values of 307.76 and 303.59, respectively. The results for the mathematical test functions and operations of the reservoir systems demonstrated the superior performance and high efficiency of the CSO algorithm in finding the global optimization solutions.

کاربرد الگوریتم بهینه‌سازی گله گربه برای عملیات ذخیره بهینه

کمبود منابع آب در سراسر جهان باعث ایجاد پیچیدگی‌های فراوانی در برآوردن خواسته‌های آب شده‌است که به نوبه خود گرایشی به سمت توسعه روش‌های کارآمدتر و موثر برای بهره‌برداری بهینه از مخازن بوجود آورده‌است. در این تحقیق، الگوریتم بهینه‌سازی ازدحام گربه (CSO)برای تعیین بهره‌برداری بهینه از سیستم‌های مخزن (یک سیستم تک مخزن و یک سیستم چهار مخزنی فرضی اعمال شده‌است. مقایسه با الگوریتم ژنتیک رایج (GA)برتری این الگوریتم metaheuristic را نشان می‌دهد. برای سیستم تک منبع، بهینه جهانی ۱.۲۱۳ با استفاده از روش برنامه‌نویسی غیرخطی محاسبه شد، در حالی که متوسط مقادیر تابع هدف برای ۱۰ دور از الگوریتم CSO و GA به ترتیب ۱.۲۲۲ و ۱.۶۳۵ بودند. الگوریتم CSO نرخ هم‌گرایی of % در مقایسه با ۷۸.۷۶ % توسط GA را به دست آورد و ضریب تغییرات ۱ / ۳۱ تایی از GA در ۱۰ دور بود. در سیستم چهار مخزنی، نرخ هم‌گرایی الگوریتم CSO در مقایسه با ۹۸.۴۷ % توسط GA، به ترتیب برابر با ۹۸.۴۷ % و به ترتیب مقادیر تابع هدف متوسط of و ۳۰۳.۵۹ می‌باشد. نتایج توابع تست ریاضی و عملیات سیستم‌های مخزن، عملکرد برتر و کارایی بالا الگوریتم CSO در یافتن راه‌حل‌های بهینه‌سازی سراسری را نشان دادند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Water Science and Technology
  • ترجمه مقاله Water Science and Technology
  • مقاله علوم و فن‌آوری آب
  • ترجمه مقاله علوم و فن‌آوری آب
  • مقاله Civil and Structural Engineering
  • ترجمه مقاله Civil and Structural Engineering
  • مقاله مهندسی عمران و طراحی ساختار
  • ترجمه مقاله مهندسی عمران و طراحی ساختار
  • مقاله Agricultural and Biological Sciences (miscellaneous)
  • ترجمه مقاله Agricultural and Biological Sciences (miscellaneous)
  • مقاله علوم کشاورزی و زیستی (متفرقه)
  • ترجمه مقاله علوم کشاورزی و زیستی (متفرقه)
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.