نام پژوهشگر: ابراهیم رضایی سنگدهی

کاربردالگوریتم مورچگان شبه پیوسته و پیوسته در بهره برداری از مخازن سدها: مطالعه مقایسه ای
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده عمران 1386
  ابراهیم رضایی سنگدهی   محمدهادی افشار

الگوریتم های بهینه سازی جامعه مورچه ها روشی فراکاوشی برای حل مسایل گسسته است که برگرفته از رفتار مورچه های واقعی در جستجوی غذا می باشد. مورچه های واقعی همواره کوتاهترین مسیر بین لانه و منبع غذا را طی می کنند. مورچه ها مسیرهای مختلف را فرمون گذاری می نمایند و در تکرارهای بعدی مسیرهای کوتاهتر با فرمون بیشتری علامت گذاری می شود(به دلیل عبور بیشتر مورچه ها) ودر نهایت کوتاهترین مسیر یافته می شود. الگوریتم های aco برای حل مسایل گسسته کاربرد دارد در حالی که بسیاری از مسایل مهندسی پیوسته می باشد. بنابراین کاربرد مستقیم aco برای مسایل پیوسته مستلزم گسسته سازی متغیرهای تصمیم می باشد در این صورت اگر بازه های گسسته سازی درشت باشد موجب کاهش دقت جواب می گردد و اگر بازه های گسسته سازی ریز باشد باعث افزایش تلاش محاسباتی به دلیل بزرگ شدن فضای جستجو می شود. در عین حال در روش های aco با افزایش اندازه فضای جستجو امکان گم کردن بهینه مطلق وجود دارد. راهکارهای ارایه شده در پژوهشهای قبلی برای حل این مشکل بدین صورت است که ابتدا از بین نقاط گسسته سازی شده جواب بهینه یافته می شود و سپس فضای جستجو محدود به اطراف نقطه بهینه می شود و این فضای کوچک گسسته سازی می شود و نقاط دیگر عملاحذف می گردند. از بین نقاط جدید نقطه بهینه دیگری را می یابیم و با ادامه این روند و کوچک ترکردن فضای جستجو، نقطه بهینه نهایی یافته می شود. اشکالی که در این روش وجود دارد این است که ممکن است نقطه بهینه یافته شده ابتدایی از فضای گسسته اولیه مجاورت یک بهینه نسبی باشد و به این ترتیب جستجو گر کاملا از نقاط مناسب تر دور خواهد شد و احتمال انتخاب آنها را با خذف به صفر می رساند. در این تحقیق دو روش continous antوshadow continous ant با استفاده از روش: stochastic adaptive refinement(sar) برای حل مسایل پیوسته پیشنهاد می شود. در روش continous ant نیازی به گسسته سازی فضای جستجو نیست و فضای جستجو کاملا به عنوان یک فضای پیوسته مدلهای چندهدفه نظر قرار می گیرد. به عنوان یک فضای پیوسته مدلهای چندهدفه نظر قرار می گیرد. در روش shadow continous ant با استفاده از روش (sar) گسسته سازی متغیر های تصمیم به صورت احتمالاتی و با توزیع گوس و بدون حذف بخش یا بخش هایی از حوزه جستجو صورت می گیرد. کاربرد روشهای فوق در مسایل بهینه سازی پیچیده ریاضی و بهره برداری از مخازن سدها بررسی و نتایج با یکدیگر مقایسه شده است.