شکست یک سد خاکی می تواند موجب بروز بحرآن های شدید در ناحیه سیلاب زده پایین دست گردد. لذا تعیین دقیق ویژگی های شکافت و جریان در ارزیابی خطرهای حاصل از خرابی سد از اهمیت به سزایی برخوردار است. در این تحقیق از مدل های آزمایشگاهی با مصالح دآنه ای در اندازه و خصوصیت های مکانیکی مختلف برای مطالعه فرسایش و نقش آن در گسترش هندسی شکافت استفاده شده است. از رگرسیون چندمتغیره در توسعه رابطه جدید برای تعیین دبی اوج (Qp) بهره گیری شده که در آن پراسنجه های بدنه سد در کنار پراسنجه های هیدرولیکی به کار رفته اند. نتیجه ها نشان می دهد مشارکت این ویژگی ها توانسته کارآیی را در تعیین Qp حاصل از شکست سد خاکی ارتقا دهد. از آنجائی که نرخ تکامل عرض متوسط شکافت (Bave) و عمق آن (Hb) نقش اثرگذاری بر آب نمود خروجی دارد، علاوه بر ارائه رابطه های جدید برای این دو پراسنجه، با مشارکت منابع مختلف داده ای و استفاده از برنامه ریزی بیان ژن (GEP) در تعیین آن، محدوده تغییرات جدیدی برای نسبت های بی بعد Hb بر ارتفاع سد (Hd) و نیز Bave بر عرض بالایی (Bt) و پایینی آن (Bb) معرفی و خروجی آن به سدهای لغزشی نیز بسط داده شده است. بر مبنای شاخص های عملکردی و آماری در رابطه ها، مقدارهای ضریب R2 برای Qp معادل با 91/0، برای Bave معادل با 99/0 و برای Hb برابر با 97/0 به دست آمده است.

بهینه سازی بر پایه جغرافیای زیستی، الگوریتم تکاملی جدیدی بر اساس جمعیت است که ریاضیات جغرافیای زیستی، بر آن حاکم است و الگوریتم تکامل تفاضلی، الگوریتمی قدرتمند برای حل بسیاری از مسائل بهینه سازی است. الگوریتم تکامل تفاضلی در اکتشاف فضای جستجو و تعیین مکان مینیمم سراسری خوب، ولی در استخراج راه حل مساله کند است. در این مقاله قابلیت اکتشاف الگوریتم تکامل تفاضلی با قابلیت استخراج الگوریتم بهینه سازی بر پایه جغرافیای زیستی، ادغام شده و با معرفی یک عملگر مهاجرت ترکیبی، الگوریتم جدیدی برای حل مسائل بهینه سازی چندهدفه ارائه شده است. در الگوریتم پیشنهادی از فرایند مرتب سازی غیرمغلوب برای بهبود همگرایی و از مفهوم فاصله جمعیتی محلی برای حفظ پراکندگی اعضای موجود در مجموعه پرتو استفاده شده است. در این مقاله کارایی الگوریتم پیشنهادی با استفاده از چند تابع آزمون رایج آزمایش شده و معیارهای مطرح در مسائل بهینه سازی چندهدفه تکاملی، ارزیابی و با الگوریتم های مطرح در این زمینه مقایسه شده است. نتایج حاصل بیانگر کارایی مطلوب الگوریتم پیشنهادی در رقابت با سایر الگوریتم های مطرح است.

در این مقاله یک روش جدید جهت حل مساله بهینه سازی انرژی ارائه شده است که هدف از آن یافتن نقاط بهینه در منابع تولید انرژی پراکنده می باشد به گونه ای که هزینه کل عملیات به حداقل می رساند. روشی که ما در این مقاله استفاده می کنیم الگوریتم جستجوی فاخته اصلاح شده می باشد و الگوریتم های ژنتیک و ازدحام ذرات برای مقایسه به کار گرفته شده اند. در نهایت روش پیشنهادی که همان الگوریتم جستجوی فاخته اصلاح شده می باشد را در یک میکرو شبکه تستی پیاده سازی می کنیم. نتایج نشان می دهد که الگوریتم پیشنهادی علاوه بر پوشش نیازهای الکتریکی میکروشبکه می تواند از نظر اقتصادی بسیار عالی باشد که این موضوع هدف ما در این مقاله می باشد.

موضوع زمان بندی خدمه راه آهن به برنامه ریزی زمانی خدمه ای اطلاق می شود که در طول سفر قطار به ارائه خدمت می پردازند. در این مقاله با تأکید بر زمان بندی رؤسای قطارهای مسافربری، مسأله زمان بندی خدمه در قالب یک شبکه از سویه های وظیفه و بیان شده و یک روش ابتکاری بر اساس الگوریتم بهبود تکاملی گروهی برای آن ارائه گردیده است. در الگوریتم تکاملی گروهی، دو روش جستجو برای تولید فرزند از یک کروموزم مادر ارائه شده که یکی از آنها بر اساس یک الگوریتم ابتکاری الگوسازی محدودیتها و دیگری براساس روش انشعاب و تحدید است. نتایج محاسبات نشان داده است که ترکیب الگوریتم محدود تکاملی بار روش انشعاب و تحدید جوابهای بسیار خوبی تولید میکنند و برای مسائلی که حل بهینه آنها موجود بوده، به جواب بهینه میرسد. برای مسائل واقعی با مقیاس بزرگ هم الگوریتم بیان شده به خوبی جوابهای مناسب تولید میکند.

در سالهای اخیر رویکرد جدیدی به منظور حل مشکلات الگوریتمهای تکاملی به ویژه الگوریتمهای ژنتیکی مورد توجه محققین قرار گرفته است. این رویکرد مبتنی برایجاد مدلهای احتمالاتی از ژنومها و اجزای سازنده آنها میباشد. تاکنون الگوریتمهای متنوعی بر این اساس ارائه شدهاند که اگر چه برخی از سادگی الگوریتمهای ژنتیکی برخوردار نیستند، اما در حل مسائل با موفقیت بیشتری روبرو بوده‎اند. در این مقاله رهیافت دیگری از این الگوریتمها را بر اساس اتوماتای یادگیر معرفی و مورد بررسی قرار می‎دهیم. در این رهیافت مدل احتمالاتی اجزای سازنده مسئله به وسیله اتوماتای یادگیر و بر اساس ژنومهای نسل تولید شده تخمین زده می‎شود. الگوریتم پیشنهادی بسیار ساده و برای مسائل مورد بررسی در این مقاله دارای کارایی خوبی می‎باشد.

مقدمه مدلSWAT، یک ابزار مناسب برای شبیه سازی فرایندهای هیدرولوژیکی است. این مدل به ورودی های زیادی نیاز دارند که غالبا به صورت مستقیم قابل اندازه گیری نیستند و یکی از اصلی ترین منابع عدم قطعیت در این مدل ها محسوب می شود. فرایند واسنجی می تواند با تعدیل و تطبیق این ورودی ها موجب کاهش عدم قطعیت در نتایج مدل شود. پژوهش ها نشان دادند که واسنجی یک مدل هیدرولوژیکی با استفاده از الگوریتم های متداول واسنجی خودکار رزومه، دقت مناسبی در پیش بینی متغیرهای هیدرولوژیکی در دوره اعتبار سنجی به وجود نخواهد آورد. لذا، به منظور واسنجی مدل SWAT از الگوریتم PSO استفاده شد. از آنجا که هیچ قانون ریاضی و منطقی برای تعیین بهترین ترکیب پارامترهای الگوریتم PSO وجود ندارد و این ترکیب ها به اساس آزمون و خطا و از میان ترکیب های بسیار متنوع انتخاب می شوند، لذا، روش های مبتنی بر آزمون و خطا بسیار وقت گیر و گاهی غیر ممکن است. در این پژوهش، از روش تاگوچی برای تعیین بهترین ترکیب حاصل از پارامترهای الگوریتم PSO مورد استفاده قرار گرفت. مواد و روش ها در این پژوهش، قابلیت استفاده از مدل SWAT برای شبیه سازی رواناب ماهانه در حوزه آبخیز جوانمردی، از زیرحوضه های اصلی حوزه آبخیز لردگان با مساحت 380 کیلومتر مربع بررسی شد. در این پژوهش، پارامترهای الگوریتم PSO شامل تعداد شبیه سازی (A)، تعداد تکرار (B)، وزن محاسبه سرعت (C) و پارامتر حرکت (D)، در چهار سطح تعریف شدند. سپس این پارامترها، مطابق آزمایش های موجود در آرایه متعامد L16 (با استفاده از روش طراحی آزمایش های تاگوچی)، طراحی و اجرا شدند. مقیاس عملکردی مورد استفاده برای ارزیابی الگوریتم ها، RPD (درصد انحراف نسبی) انتخاب شد. با توجه به ماهیت متغیر پاسخ در این پژوهش، برای تحلیل نتایج آزمایش تاگوچی از شاخص S/N "هر چه کمتر، بهتر" استفاده شد. مرحله انتخاب آرایه ها و محاسبات در نرم افزار Minitab 16 انجام گرفت. نتایج و بحث در مرحله تحلیل حساسیت که پیش از واسنجی مدل انجام شد، از میان 28 پارامتر مورد بررسی در این پژوهش، مدل نسبت به تغییرات 22 پارامتر حساسیت نشان داده و به عنوان متغیرهای اثرگذار بر شبیه سازی رواناب در حوزه آبخیز جوانمردی مشخص شدند. نتایج نشان داد که پارامتر عدد منحنی راواناب (CN)، مهمترین عامل و پارامترهای جرم مخصوص ظاهری خاک در حالت مرطوب (SOL_BD) و متوسط آب قابل استفاده به وسیله گیاه (SOL_AWC) به ترتیب در زمره مهمترین عوامل کنترل کننده دبی جریان در حوضه مطالعاتی هستند. بر اساس نتایج شبیه سازی شده به وسیله الگوریتم PSO مشخص شد که مدل SWAT دقت قابل قبولی برای برآورد رواناب ماهانه در منطقه مورد مطالعه دارد. به طوری که در مرحله واسنجی شاخص های r-factor و p-factor به ترتیب 1.23 و 0.88 و ضرایب تبیین و نش- ساتکلیف نیز به ترتیب برابر 0.77 و 0.75 بودند. در مرحله اعتبارسنجی نیز شاخص های r-factor و p-factor به ترتیب 1.31 و 0.84 و ضرایب تبیین و نش- ساتکلیف نیز به ترتیب برابر 0.72 و 0.73 بودند. در این پژوهش، بهترین ترکیب حاصل از کاربرد روش تاگوچی برای پارامتر های تعداد شبیه سازی، تعداد تکرار، وزن محاسبه سرعت و پارامترهای مناسب در الگوریتم PSO به ترتیب 40، 100، 0.2 و 0.15 (A4B4C4D3) تعیین شد. نتیجه گیری نتایج گویای این است که مدل SWAT، دقت قابل قبولی برای برآورد رواناب ماهانه در حوزه آبخیز جوانمردی داشته، روش PSO الگوریتم موثری در واسنجی و تعیین عدم قطعیت مدل در این حوضه بوده است. همچنین، استفاده از روش طراحی آزمایش ها تاگوچی، راهی مناسب برای تعیین بهترین ترکیب پارامترهای الگوریتم PSO برای محققانی است که از این روش برای بهینه سازی مدل SWAT استفاده می کنند.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.