مقایسه الگوریتم ژنتیک و برنامهریزی خطی برای حل مسائل بهینهسازی کاربری اراضی حوزههای آبخیز
Authors
Abstract:
بهرهبرداری صحیح و اصولی از منابع طبیعی باعث حفظ این ثروتهای ارزشمند میشود و بهکارگیری دانش بهینهسازی میتواند کمک مؤثری در این راستا باشد. بر همین اساس، هدف از این مطالعه مقایسه الگوریتم تکاملی ژنتیک و روش کلاسیک برنامهریزی خطی در بهینهسازی کاربری اراضی حوزه آبخیز بایگ میباشد. نتایج مطالعه نشان داد که در صورت بهینهسازی کاربری اراضی با برنامهریزی خطی مساحت زراعت دیم کاهش و زراعت آبی افزایش مییابد. بعد از کمینهسازی، رواناب سطحی و رسوبدهی کل حوضه بهترتیب 1.16 و 12.91 درصد کاهش خواهد یافت. در صورت بهینهسازی کاربری اراضی با الگوریتم ژنتیک، مساحت مرتع و زراعت آبی افزایش پیدا کرده، مساحت باغ آبی، بادامکاری و زراعت دیم کاهش مییابد. ضمن اینکه بعد از بهینهسازی، رواناب سطحی و رسوبدهی کل حوضه بهترتیب 13.95 و 31.99 درصد کاهش خواهد یافت. نتایج همچنین نشان داد که برنامهریزی خطی در مقایسه با الگوریتم ژنتیک، در تامین محدودیتها بسیار بهتر عمل کرد و قید مساحت مجموع کاربریها در برنامهریزی خطی تامین ولی در الگوریتم ژنتیک برآورده نشد. نتایج بهدست آمده از تحلیل حساسیت نشان داد که حساسترین ضریب در تابع کمینهسازی رواناب و رسوبدهی، ضریب مربوط به زراعت دیم با هزینه کاهش یافته برابر با 67.52 است. همچنین، نتایج گویای آنست که محدودیت سطوح کل کاربریها و محدودیت کمینه سطوح مراتع بهترتیب با قیمت سایهای 397.40 و 233.28 بیشترین تأثیر منفی را بر جواب بهینه و محدودیتهای بیشینه سطح کاربری باغات آبی و محدودیت بیشینه سطح کاربری بادامکاری بهترتیب با قیمت سایهای 134.97- و 118.44- بیشترین تأثیر مثبت را بر جواب بهینه خواهند داشت. بهعنوان نتیجهگیری کلی، میتوان بیان کرد که الگوریتمهای تکاملی (مانند الگوریتم ژنتیک) زمانی که با مسائلی که دارای محدودیتهای زیاد هستند مواجه میشوند، در مقایسه با تکنیکهای کلاسیک بهینهسازی ضعیفتر عمل میکنند.
similar resources
ارائه الگوریتم تلفیقی برای حل مسائل تحلیل تناسب کاربری اراضی با رویکرد تصمیم گیری چند هدفه
برنامه¬ریزی کاربری زمین در¬طرح¬های توسعه¬شهری و منطقه¬ای یکی از محورهای اصلی مطالعه است، هنگامی که محدوده اراضی طرح وسیع و تعداد محدودیت¬های موجود برای استقرار پهنه¬ها زیاد است، مشکل بتوان بدون استفاده از هوش¬مصنوعی و الگوریتم¬های فرا¬ابتکاری پهنه¬بندی بهینه و یا حتی نزدیک به¬آن را در مقیاس زمان و هزینه قابل¬قبول بدست آورد. هدف این مقاله در¬ابتدا معرفی رهیافتی تلفیقی برای مدل¬سازی مسئله پهنه¬بن...
full textیک الگوریتم ژنتیک برای حل مسائل دوسطحی کسری- خطی
مسئله برنامه ریزی دوسطحی یک مسئله بهینه سازی دومرحله ای است به طوری که ناحیه شدنی مسئله سطح اول به طور ضمنی توسط مسئله بهینه سازی سطح دوم تعین می شود.در این رساله یک الگوریتم ژنتیک برای دسته ای از مسائل دوسطحی که تابع هدف سطح اول و سطح دوم کسری- خطی و ناحیه تعریف شده توسط قیود مسئله یک چندوجهی کراندار است، ارائه می شود.الگوریتم ارئه شده کروموزوم ها را نظیر نفاط راسی چندوجهی درنظر می گیرد و با ب...
15 صفحه اولالگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا
چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینهسازی با ماهیتی پویا هستند، بهطوریکه مقدار بهینه سراسری آنها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتمهایی نیاز داریم که بتوانند خود را با شرایط این مسائل بهخوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوبگونه مبتنی بر خوشهبندی و حافظه برای حل مسائل پویا ارائ...
full textالگوریتم ژنتیک مبتنی بر کد واقعی با جهش هوشمند برای حل مسائل پخش بار اقتصادی غیرمحدب
در این مقاله، یک روش جدید برای حل مسائل پخش بار اقتصادی با استفاده از الگوریتم ژنتیک مبتنی بر کدهای واقعی با جهش هوشمند پیشنهاد می شود. در روش پیشنهادی کنترل لازم بر روی مقادیر مجموع کروموزوم ها صورت میگیرد در نتیجه نیازی به استفاده از هزینه جریمه در حل مسئله پخش بار اقتصادی نخواهد بود. این روش بر روی الگوریتم ژنتیک کلاسیک جهت حل مسائل پخش بار اقتصادی غیر محدب پیاده شده است .روش پیشنهادی قابلی...
full textتوسعه یک الگوریتم نقطه مرزی برای حل مسائل برنامهریزی خطی با جواب اولیه موجه
در این تحقیق برای حل مسائل برنامه ریزی خطی، الگوریتم SALCHOW توسعه داده شده است که در هرگام در جهت گرادیان مقید تابع هدف حرکت میکند بهنوعی که همواره روی مرز ناحیه موجه باقی میماند. این نوع حرکت بر روی مرز ناحیه موجه متفاوت با رفتار الگوریتم سیمپلکس است که روی گوشه های فضای موجه حرکت میکند. از سوی دیگر با رفتار الگوریتم های نقاط درونی هم که از روی مرز فضای موجه جدا شده و وارد آن می شوند، نیز ...
full textالگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا
چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینهسازی با ماهیتی پویا هستند، به طوری که مقدار بهینه سراسری آنها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتمهایی نیاز داریم که بتوانند خود را با شرایط این مسائل بهخوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوبگونه مبتنی بر خوشهبندی و حافظه برای حل مسائل پویا ارائ...
full textMy Resources
Journal title
volume 11 issue 1
pages 252- 263
publication date 2019-03-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023