این مقاله الگوریتم ژنتیک چندهدفه (eV-MOGA) را برای بهینه سازی هزینه تولید، آلودگی و تلفات انتقال توان اکتیو در سیستم های قدرت مجهزشده به سیستم های انتقال ac قابل انعطاف (FACTS) ارائه می کند. در رویکرد پیشنهادی، مساله پخش بار بهینه به عنوان یک مساله بهینه سازی چندهدفه فرمول بندی گردیده و ادوات FACTS در نظر گرفته شده شامل خازن سری کنترل شده با تایریستور (TCSC) است. رویکرد پیشنهادی روی یک سیستم تست 57باسه آزمایش شده و نتایج به دست آمده از رویکرد پیشنهادی با نتایج به دست آمده از روش های NSGA-II و MODE مقایسه شده اند.

سیستم سری-موازی سیستمی است که شامل چند زیرسیستم بوده که به صورت سری به هم وصل شده اند و در هر زیرسیستم، مؤلفه ها به صورت موازی به هم متصل هستند. مسئله تخصیص افزونگی شامل انتخاب بهینه تعداد افزونگی برای تخصیص دادن در هر زیر سیستم می باشد به طوری که قابلیت اعتماد سیستم سری-موازی بیشینه و هزینه کل آن کمینه گردد. در این تحقیق روش های مختلفی از جمله روش تابع ضرر، روش مجموع وزن دار و روش برنامه ریزی آرمانی برای حل مسئله تخصیص افزونگی مورد استفاده قرار می گیرد و در نهایت این روش ها مقایسه شدند. در بین روش های ارائه شده، روش برنامه ریزی آرمانی از روش مجموع وزن دار مناسب تر و بهتر است زیرا هم زمان کمتری برای محاسبات به خود اختصاص می­دهد و هم مقدار قابلیت اعتماد سیستم بالاتری را نشان می دهد. همچنین جواب های بهینه به دست آمده با توجه به نوع انتخاب پارامترها متفاوت بوده که در روش برنامه­ریزی آرمانی، با انتخاب هر پارامتری به دلخواه، زمان محاسبه صفر (با دقت 000001/0) ثانیه بوده است در صورتی که در روش مجموع وزن دار هرچه پارامترها را تغییر می دهیم، زمان محاسبه تغییر پیدا می کند. یکی از مزیت های روش برنامه ریزی آرمانی نسبت به روش تابع زیان و روش مجموع وزن دار این است که در روش برنامه ریزی آرمانی با انتخاب آرمان ها برای توابع هدف کاری می کنیم که اگر مسئله به آرمان نرسد، جوابی نزدیک به آرمان را ارائه دهد.

مقدمه و هدف: سیستم های توزیع آب به دلیل ماهیت گسترده جغرافیایی، نسبت به ورود آلودگی های عمدی و یا تصادفی بسیار آسیب پذیر هستند. وجود چنین تهدیدهایی می تواند اعتماد عمومی نسبت به سیستم توزیع آب را تحت تأثیر قرار دهد. سیستم هشدار آلودگی شامل استقرار حسگرهایی در شبکه توزیع آب است که باعث قطع شبکه آب رسانی در زمان وقوع آلودگی می شوند. با توجه به هزینه زیاد خرید، نصب و نگه داری چنین حسگرهایی، باید نسبت به انتخاب محل نصب آن ها دقت شود، به نحوی که نصب حسگرها باعث کاهش شدت تلفات و خسارات احتمالی شود. محاسبه محل استقرار این حسگرها بر اساس یکی از اهداف کاهش زمان تشخیص آلودگی، افزایش پوشش حسگرها، کاهش حجم آب آلوده مصرف شده و یا چند هدف همزمان، می تواند انجام شود. مواد و روش ها: در این پژوهش با استفاده از مدل بهینه سازی چند هدفه الگوریتم جستجوی هماهنگ به محاسبه محل استقرار بهینه حسگرهای تشخیص آلودگی بر اساس دو معیار الف-کاهش زمان تشخیص آلودگی و ب-افزایش پوشش حسگرها پرداخته شده است. با اتصال نرم افزار EPANET و نرم افزار MATLAB، اقدام به تشکیل مدل یکپارچه شبیه سازی-بهینه سازی انتشار آلاینده شد و مثال دوم نرم افزار EPANET به عنوان مطالعه موردی بررسی شد. یافته ها و بحث: نتایج منحنی بهینه پارتو نشان می دهد درحالی که زمان تشخیص آلودگی از حدود 13000 ثانیه تا حدود 26000 ثانیه در تغییر است، مقدار پوشش شبکه از حدود 15000 تا 36000 گالن بر دقیقه تغییرمی کند. به عبارت دیگر 100% افزایش زمان تشخیص آلودگی منجر به افزایش 140% در پوشش شبکه خواهد شد. همچنین با استفاده از روشهای انتخاب نقطه بهینه نهایی، زمان بهینه تشخیص آلودگی 19296 ثانیه و پوشش بهینه 26494 گالن در دقیقه محاسبه شد. نتیجه گیری: نتایج نشان داد در شرایطی که دو هدف از اهمیت یکسان برخوردار باشند یکی از حسگرها درمکانی پر ازدحام به منظور کاهش زمان تشخصی آلودگی و دیگری در وسط شبکه به منظور افزایش پوشش شبکه قرار می گیرد.

الگوریتم های بهینه سازی فراابتکاری روش های قدرتمند و قابل اعتمادی برای حل مسائل پیچیده از جمله بهینه سازی سامانههای مخازن هستند. در این تحقیق الگوریتم چندهدفه کرم شب تاب (MOFA) با الگوریتم پرکاربرد ژنتیک مرتب سازی نامغلوب ( NSGA-II) در دو تابع آزمون ]شیفر (SCH) و فونسکا (FON)[ مقایسه شد. سپس این الگوریتم ها برای حل مسأله بهینه سازی بهره برداری چندهدفه از مخزن بکار گرفته شدند. مخزن آیدوغموش واقع در استان آذربایجان شرقی، به عنوان مورد مطالعاتی انتخاب شد. دو تابع هدف متقابل از جمله تابع هدف اول بیشینه سازی ذخیره مخزن و تابع هدف دوم کمینه سازی کمبود درنظر گرفته شدند. برای ارزیابی و مقایسه الگوریتم های مورد بررسی از شاخص های زمان اجرای الگوریتم، فاصله نسلی و معیار فاصله استفاده شد. نتایج نشان داد که الگوریتم MOFA در دو تابع آزمون بررسی شده نسبت به NSGA-II به طور میانگین 22 درصد سریع تر است. در مسأله بهره برداری از مخزن، نتایج نشان داد که کیفیت جواب ها از نظر نزدیکی به جبهه پارتو بهینه برای الگوریتم MOFA با بهبود مقادیر پارامترها توانست به میزان 11 درصد نسبت به الگوریتم NSGA-II بهبود یابد. هم چنین زمان اجرای الگوریتم MOFA نسبت به زمان متناظر در الگوریتم NSGA-II به میزان 13 درصد بهبود یافت.

افزایش جمعیت منجر به افزایش نیازهای آبی در بخش های مختلف شده است. این شرایط نیازمند اعمال راهکارهایی جهت مدیریت بهینه آب می باشد. در این تحقیق، مدل سه هدفه ایی جهت حداکثر نمودن سود اقتصادی، حداکثرسازی تامین مطمئن نیازها آبی و حداقل سازی برداشت از آبخوان پنج بازه مطالعاتی حوضه زرینه رود تدوین گردید. در مدل پیشنهادی، آبخوان های تکاب، سقز، میاندوآب و صائین قلعه و مخزن سد زرینه رود به عنوان مولفه های سیستم منابع آب لحاظ گردید. بر مبنای آب تخصیصی، نیاز آبی و حداکثر عملکرد محصولات، تابع تولید تعریف و با توجه به سطح زیرکشت، منافع اقتصادی پنج بازه محاسبه شد. با استفاده از الگوریتم NSGA-II، منحنی تبادل بهینه بین اهداف که بیانگر سناریوهای مختلف کشت و تخصیص منابع آب می باشند، استخراج شد. از آنجا که نقاط واقع بر منحنی تبادل نمی تواند به طور همزمان هر سه هدف مورد اشاره را ارضا نماید، نقطه بهینه با استفاده از روش گزینش اجتماعی بردا و ترکیب روش های تصمیم گیری انتخاب گردید. مقایسه نتایج بین وضعیت تخصیص تحت شرایط موجود و بهینه نشان می دهد که می توان با اعمال مدل پیشنهادی، بطور متوسط به میزان 42.5 درصد در برداشت از منابع آب صرفه جویی نمود. همچنین مقایسه منافع اقتصادی حاصل از شرایط بهینه و موجود نشان می دهد که با اجرای سناریوی پیشنهادی می توان با افزایش 13 درصدی، منفعت کشاورزی را از 1137730 به 1285971 میلیارد ریال بهبود داد. نتایج این تحقیق می تواند در سایر حوضه های آبریز، جهت کاهش مصرف آب کشاورزی از منابع آب و افزایش در آمد کشاورزان از طریق بهینه سازی الگوی کشت مورد استفاده قرار گیرد.

در این مقاله یک روش اسکالرسازی اصلاح شده برای بدست آوردن مجموعه نقاط پارتو در مسایل بهینه سازی چندهدفه مورد بررسی قرار می گیرد. روش پیشنهادی، تعمیمی از روش های تقاطع مرزی نرمال محدودشده و روش پاسکلوتی-سرافینی می باشد. در ابتدا، مساله بهینه سازی مربوط به روش اصلاح شده را بررسی می کنیم و سپس الگوریتمی برای بدست آوردن مجموعه نقاط بهینه پارتو ارایه می دهیم. در ادامه، روابط بین جواب های بهینه مساله اسکالرسازی و جواب های کارا (ضعیف، سره) مسایل بهینه سازی چندهدفه را بررسی می کنیم. در واقع شرایط لازم برای جواب های کارا (ضعیف، سره) مسایل بهینه سازی چندهدفه را بدست می آوریم. نتایج حاصل شده بدون شرط تحدب ناحیه شدنی مساله چندهدفه برقرار می باشند. در ادامه یک الگوریتم جدید برای تقریب زدن مرز پارتوی مسایل چندهدفه ارایه می دهیم. چندین مثال را به کمک الگوریتم ارایه شده حل و نتایج را با روش های موجود مقایسه می کنیم. نتایج حاصله نشان از کارایی رویکرد پیشنهاد شده نسبت به روش های معروف موجود دارد.