دانلود ترجمه مقاله یک روش بهینه سازی طراحی شبکه های توزیع آب ترکیبی بر اساس روش کاهش فضای جستجو

1. مقدمه 2. مواد و روش ها 3. نتایج 4. بحث و بررسی 5. نتیجه گیری

چکیده – این مقاله روشی جدید برای افزایش کارآیی روش های اکتشافی برای طراحی بهینه سیستم های توزیع آب را ارائه می دهد. این رویکرد بر مبنای کاهش فضای جستجو با محدود کردن قطرهایی است که می تواند برای هر لوله شبکه استفاده شود. برای کاهش فضای جستجو، دو طرح توزیع جریان شدید مخالف مورد تجزیه و تحلیل قرار می گیرد و سپس محدودیت های سرعت در جریان لوله اعمال می شود. اولین طرح بیشترین توزیع جریان یکنواخت در شبکه را تولید می کند. طرح مخالف توسط شبکه با حداکثر انباشت جریان نشان داده شده است. هر دو توزیع جریان شدید با حل یک مسئله برنامه نویسی درجه دوم محاسبه می شود که یک روش بسیار قدرتمند و کارآمد است. این رویکرد به یک الگوریتم ژنتیکی (GA) مرتبط شده است. GA دارای یک طرح کدگذاری عددی و تعداد متغیر آلل بسته به تعداد قطرهای موجود در محدودیت سرعت است. این روش برای چندین شبکه معیار استفاده شده است و عملکرد آن با یک فرمول GA کلاسیک با فضای جستجوی بدون محدودیت مقایسه شده است. این امر فضای جستجو را بطور قابل توجهی کاهش داد و همگرایی بسیار سریع تر و دقیق تر از فرمول بندی GA را فراهم کرد. این رویکرد همچنین می تواند به روشهای فراابتکاری دیگر نیز مربوط شود.

This work presents a new approach to increase the efficiency of the heuristics methods applied to the optimal design of water distribution systems. The approach is based on reducing the search space by bounding the diameters that can be used for every network pipe. To reduce the search space, two opposite extreme flow distribution scenarios are analyzed and velocity restrictions to the pipe flow are then applied. The first scenario produces the most uniform flow distribution in the network. The opposite scenario is represented by the network with the maximum flow accumulation. Both extreme flow distributions are calculated by solving a quadratic programming problem, which is a very robust and efficient procedure. This approach has been coupled to a Genetic Algorithm (GA). The GA has an integer coding scheme and variable number of alleles depending on the number of diameters comprised within the velocity restrictions. The methodology has been applied to several benchmark networks and its performance has been compared to a classic GA formulation with a non-bounded search space. It considerably reduced the search space and provided a much faster and more accurate convergence than the GA formulation. This approach can also be coupled to other metaheuristics.