مقایسه الگوریتم ژنتیک و برنامه‌ریزی خطی برای حل مسائل بهینه‌سازی کاربری اراضی حوزه‌های آبخیز

نویسندگان

چکیده مقاله:

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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

یک 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 اول

الگوریتم 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...

متن کامل

الگوریتم 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...

متن کامل

توسعه 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 ...

متن کامل

الگوریتم 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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 11  شماره 1

صفحات  252- 263

تاریخ انتشار 2019-03-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023