23205

توسعه‌ي روش اتوماتاي سلولي براي بهره‌برداري چندهدفه از سيستم مخازن

كارشناسي ارشد

مهندسي و مديريت منابع آب

1396-1399

1399/10/30

دكتر عباس افشار

عمران

خاستگاه روش اتوماتاي سلولي (CA)، شبيه‌سازي مدل‌هاي فيزيكي بود، و بعدها، با توجه به قابليت‌هاي آن، كاربردش در حل مسائل بهينه‌سازي نيز مورد بررسي قرار گرفت؛ دست‌يابي به جواب‌هاي مناسب، و كاهش هزينه‌هاي محاسباتي، من‌جمله قابليت‌هايي هستند كه اين روش را از ديگر روش‌هاي موجود در حوزه‌ي بهينه‌سازي متمايز مي‌كند. با اين وجود، به دليل نياز به يك فرمول‌بندي مشخص براي هر مسئله – و از آنجا كه تاكنون الگوريتم معيني براي اين مهم تعبيه نگرديده – از اتوماتاي سلولي اكثراً در حل مسائل تك‌هدفه، و تنها به صورت محدود براي مسائل چندهدفه استفاده شده‌است. از همين رو، در اين مطالعه روش اتوماتاي سلولي براي بهينه‌سازي مسائل چندهدفه گسترش داده مي‌شود. پيش‌ازاين، روش‌هايي تحت عنوان اتوماتاي سلولي وزني (WCA) و اتوماتاي سلولي موازي (PCA) براي حل مسائل چندهدفه پيشنهاد شده‌است. روش اول، با وزن‌دهي به توابع هدف مسئله و تبديل آن به مجموعه‌اي از مسائل تك‌هدفه، مسئله‌ي چندهدفه‌ي موردنظر را حل مي‌كند. در روش دوم، مجموعه‌اي از اتوماتاهاي سلولي، به طور جداگانه عمل ‌كرده و به كمك اندركنش ميان جواب‌ها، تخميني از پارتوي مطلق مسئله به دست مي‌آيد. اما همان‌طور كه پيش‌تر اشاره شد، استفاده از اتوماتاي سلولي نيازمند فرمول‌بندي مشخصي براي حل هر مسئله است؛ و با توجه به نوپا‌بودن اتوماتاي سلولي چندهدفه، از آن تنها براي حل طيف مشخصي از مسائل بهره گرفته‌‌شده‌است. در اين مطالعه، امكان استفاده از اتوماتاي سلولي موازي در طيف ديگري از مسائل مورد بررسي قرار گرفته، و با توجه به ناكارآمدي فرمول‌بندي‌هاي پيشين (مورداستفاده در مطالعات گذشته) در حل همين طيف ديگر، روش جديدي تحت عنوان اتوماتاي سلولي موازي چندگامي (MSPCA) براي حل آنها پيشنهاد گرديده‌است. از MSPCA براي حل دو مسئله‌ي بهره‌برداري از مخزن (سد دز و سد سفيدرود) استفاده كرده‌ايم و به منظور بررسي كارايي روش، نتايج آن با نتايج الگوريتم ژنتيك با رتبه‌بندي نامغلوب (NSGAII) مقايسه شد. توابع هدف مسئله‌ي سد دز شامل تأمين نيازآبي پايين‌دست و توليد انرژي برق‌آبي‌ست؛ درحالي‌كه در مسئله‌ي دوم تابع هدف تخليه‌ي رسوب نيز به جمع توابع هدف مسئله اضافه مي‌شود. اتوماتاي سلولي موازي چندگامي با هزينه‌ي محاسباتي بسيار كمتر، جواب‌هايي با كيفيت بالاتر نسبت به الگوريتم ژنتيك حاصل مي‌كند. در مسئله‌ي اول روش MSPCA نسبت به NSGAII مساحت بيشتري از فضاي جواب را (64/8 درصد بيشتر) مغلوب كرده، نقاط بيشتري را بر روي پارتوي بهينه (1674 نقطه بيشتر) پيدا كرده، و در مدت زمان بسيار كوتاه‌تري (64/99 درصد) نيز اجرا شده‌است. همين اعداد در مورد مسئله‌ي دوم به ترتيب 81/34 درصد، 2069، و 65/99 درصد بوده‌است. همچنين، نتايج روش اتوماتاي سلولي موازي چندگامي با نتايج بهره‌برداري واقعي از مخزن سد سفيدرود (مسئله‌ي دوم) مقايسه شد كه نشان داد، استفاده از MSPCA بهينه‌تر شدن تمام توابع هدف مسئله را در پي داشته‌است.

1399/12/02

Development of Cellular Automata Method for Multi-Objective Operation of Reservoirs System

1/19/2021 12:00:00 AM

Cellular Automata was originated from physical simulation models. Later on, in heed of its capabilities, its application within optimization problems was studied as well; achieving proper solutions, and reducing computational costs are some of those capabilities that distinguishes this method form others in optimization area. However, because of the need for a specific formulation for each problem – and as there is no unique algorithm for this – CA has been mostly used for single-objective problems, and on a limited basis for multi-objective ones. Previously, methods called Wighted Cellular Automata (WCA), and Parallel Cellular Automata (PCA) has been proposed for solving multi-objective problems. The former, weighting objective functions of the problem, and truning it into a set of single-objective ones, solves the actual problem. As for PCA, a number of CAs works individually and with the help of interchanging their solutions an approximation of global pareto will be gained. But as mentioned, deploying CA calls for a specific formulation for each problem, and due to multi-objective CA’s just-out aspect, it has been used for numerable problems only. In this study, the possibility of using PCA in another range of problems has been surveyed, and according to previous formulations’ incapability to handle such problems, another method called Multi-Step Parallel Cellular Automata (MSPCA) has been proposed to solve them. For two reservoir operation problems (Dez and Sefidrud dam), MSPCA was used, and in rder to evaluate it, its results were compared to that of Non-Dominated Sorting Genetic Algorithm (NSGAII). MSPCA was able to reach higher-quality solutions, with less computational costs, compared to NSGAII. In the first problem, MSPCA dominated more area of solutions space (8.64% more), found more solutions on pareto (1674), and was finished in much less time (99.64%) compared to NSGAII. As for the second problem, the numbers above are 34.81%, 2069, 99.65% respectively. Also, MSPCA’s results were weighte up against the results of actual operation in reality, which showed MSPCA has lead to producing more optimized objective functions, for all objectives.

اتوماتاي سلولي موازي چندگامي , بهينه سازي چندهدفه , بهره برداري از مخزن , سد سفيدرود

Multi-Step Parallel Cellular Automata , Multi-Objective Optimization , Reservoir Operation , Sefidrud Dam