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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

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 text

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...

full text

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...

full text

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 ...

full text

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...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


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