استفاده از مدل جایگزین در حل مسأله تخصیص بهینه منابع آب در سطح حوضه آبریز

چکیده مقاله

الگوریتم های بهینه سازی تکاملی در بسیاری از مسایل واقعی با مشکل عمده هزینه محاسباتی بالا بدلیل استفاده از مدل های شبیه سازی زمانبر در فرآیند ارزیابی مقدار تابع هدف مواجه هستند به منظور حل این مشکل استفاده از مدلهای جایگزین meta models می تواند بعنوان یک راهکار مؤثر در نظر گرفته شود در این زمینه شبکه های عصبی مصنوعی ANN بعنوان ابزار تقریب تابع قابلیتهای زیادی از خود نشان داده اند آموزش شبکه های عصبی نیاز به استفاده از یک مجموعه از داده های فراهم شده به منظور یادگیری دارد که فراهم کردن هر یک از آنها مستلزم استفاده از تابع اصلی زمانبر می باشد این مسأله می تواند استفاده از این راهکار را، خصوصاً در مسایل دارای ابعاد زیاد که رسیدن به یک سطح قابل قبول برای خطای تقریب براحتی امکانپذیر نیست و منجر به افزایش بار محاسباتی می گردد، با مشکل مواجه سازد در این مقاله، روشی ارائه شده است که در آن با استفاده از حل متوالی سه مسأله طراحی داد ههای آموزش، تقریب تابع اصلی و بهینه سازی تابع تقریب زده شده، ساخت مدل جایگزین با بکارگیری کمترین تعداد ارزیابی های تابع اصلی که مهمترین شاخص در افزایش هزینه محاسباتی است، صورت می گیرد عملکرد تکنیک ارائه شده در حل یک مسأله بهینه سازی ریاضی مرجع و مسأله تخصیص بهینه منابع آب در سطح حوضه آبریز رودخانه بعنوان یک مسأله واقعی مورد تحلیل و بررسی قرار گرفته است

کلیدواژه‌ها

نویسندگان

مجتبی شوریان

دانشجوی دکترای مدیریت منابع آب، دانشکده مهندسی عمران و محیط زیست، دا

جمشید موسوی

دانشیار دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر

�وریان، مجتبی و موسوی، سید جمشید،1387،استفاده از مدل جایگزین در حل مسأله تخصیص بهینه منابع آب در سطح حوضه آبریز،سومین کنفرانس مدیریت منابع آب،تبریز

ارائه‌شده در

مجموعه مقالات سومین کنفرانس مدیریت منابع آب23 مهر 1387 · تبریز