
تعداد نشریات | 13 |
تعداد شمارهها | 626 |
تعداد مقالات | 6,517 |
تعداد مشاهده مقاله | 8,746,421 |
تعداد دریافت فایل اصل مقاله | 8,317,274 |
تصمیمگیری تخصیص آب در شرایط عدمقطعیت با استفاده از بهینهسازی چندهدفه همتای استوار | ||
مجله پژوهشهای حفاظت آب و خاک | ||
مقاله 4، دوره 25، شماره 2، خرداد و تیر 1397، صفحه 71-89 اصل مقاله (12.18 M) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwsc.2018.13546.2821 | ||
نویسندگان | ||
امید نصیری قیداری1؛ صفر معروفی* 2 | ||
1دانشجوی دکترای مهندسی منابع آب، دانشگاه بوعلی سینا | ||
2عضو هیئت علمی/ دانشگاه بو علی سینا | ||
چکیده | ||
سابقه و هدف: نظر به وجود عدم قطعیت در دادههای مرتبط با مسائل منابع آبی، ضرورت طراحی سیستم بهینه منابع آب که از اطمینانپذیری بالایی در شرایط وقوع عدم قطعیت برخوردار باشد، بیش از پیش احساس میگردد. ماهیت چندبعدی مسائل تخصیص بهینه آب نیز منجر شده که لحاظ نمودن اهداف متضاد چندگانه درون مدلهای بهینهسازی اجتناب ناپذیر باشد. هدف از این تحقیق ارائه یک مدل بهینهسازی کمّی-کیفی است که ضمن برقراری تعادل میان اهداف اقتصادی و زیستمحیطی، در برابر عدمقطعیتهای موجود، استوار باقی بماند. مواد و روشها: با کمک اهداف بیشینه نمودن درآمد کل سیستم و کمینه نمودن بار آلودگی ورودی به رودخانه، مدل قطعی تحقیق ساخته شده و در مطالعه موردی سیستم رودخانهای دز-کارون به کار گرفته شد. با مد نظر قراردادن عدم قطعیت جریان رودخانه و نیازهای آبی و به کارگیری رویکرد بهینهسازی استوار برتسیماس و سیم، مدل قطعی به یک مدل بهینهسازی چندهدفه استوار ارتقاء یافت. حساسیت مدل استوار نسبت به تغییرات سطوح عدمقطعیت و نیز احتمال تخطی قید مختلف مورد بررسی قرار گرفت. حل مسئله از طریق روش اپسیلون محدودیت انجام شد و ارزیابی مدل استوار از طریق مقایسه نتایج آن با مدل قطعی صورت پذیرفت. نقطه زانوی جبهه پارتو به عنوان جواب انتخابی از میان مجموعه جوابهای بهینه، مورد استفاده قرار گرفت. یافتهها: نتایج حاصل از بهکارگیری روش توسعه یافته در تخصیص بهینه منابع آب مطالعه موردی این تحقیق مبیّن کارایی و توانایی آن در حل سریع و دقیق مسئله بود. مقایسه جواب بهینه نقاط زانو نشان داد که مقاومسازی مدل بهینهسازی در برابر عدمقطعیتها به صورت لحاظ نمودن سطح عدمقطعیت و احتمال تخطی قیود 1/0 به منظور جلوگیری از شکست در تأمین آب، ملزم به کاهش بهرهبرداری از آب رودخانه از 5/8301 به 9/7368 میلیون متر مکعب در سال و تعدیل درآمد اقتصادی حاصل سیستم از 1،636،808 به 1،365،693 میلیون ریال در سال در مقایسه با مدل قطعی میباشد. این شرایط موجب بهبود وضعیت بارآلودگی تولیدی از 53،949 به 48،505 تن در سال خواهد شد. نتایج نشان داد که رویکرد استوار مورد استفاده در این مطالعه قادر است بدون افزودن پیچیدگی به مدل قطعی، امکان ایمنسازی شده نتایج حاصل در برابر عدم قطعیتها را فراهم آورد و تصمیمگیر میتواند با تعیین سطح عدم قطعیت و مقدار احتمال تخطی قید، درجه استواری مدل تخصیص منابع آب را انتخاب نموده و امکان سازش میان مقادیر اهداف و سطح اطمینانپذیری سیستم را فراهم آورد. نتیجهگیری کلی: نتایج حاکی از رضایتبخش بودن، قابلیت اطمینان بالا و انعطاف پذیری مدل استوار پیشنهادی این تحقیق میباشد. بر این اساس مدل خطی ارائه شده در این مطالعه ضمن کاربری ساده، میتواند به عنوان یک ابزار تصمیمگیری کآرا جهت تخصیص بهینه منابع آب مورد استفاده قرار گیرد. | ||
کلیدواژهها | ||
تخصیص آب؛ روش اپسیلون محدودیت؛ عدم قطعیت؛ همتای استوار؛ نقطه زانو | ||
مراجع | ||
1.Anghileri, D., Castelletti, A., Pianosi, F., Soncini-Sessa, R., and Weber, E. 2012. Optimizing watershed management by coordinated operation of storing facilities. J. Water Resour. Plan. Manage. 139: 5. 492-500.
2.Ardjmand, E., Weckman, G.R., Young, W.A., Sanei Bajgiran, O., and Aminipour, B. 2016. A robust optimisation model for production planning and pricing under demand uncertainty. Inter. J. Prod. Res. 54: 13. 1-21.
3.Babel, M., Gupta, A.D., and Nayak, D. 2005. A model for optimal allocation of water to competing demands. Water Resources Management. 19: 6. 693-712.
4.Ben-Tal, A., and Nemirovski, A. 1999. Robust solutions of uncertain linear programs. Operations Research Letters. 25: 1. 1-13.
5.Ben-Tal, A., and Nemirovski, A. 2000. Robust solutions of linear programming problems contaminated with uncertain data. Mathematical Programming. 88: 3. 411-424.
6.Bertsimas, D., and Sim, M. 2004. The price of robustness. Operations Research. 52: 1. 35-53.
7.Cai, X., Lasdon, L., and Michelsen, A.M. 2004. Group decision making in water resources planning using multiple objective analysis. J. Water Resour. Plan. Manage. 130: 1. 4-14.
8.Chung, G., Lansey, K., and Bayraksan, G. 2009. Reliable water supply system design under uncertainty. Environmental Modelling & Software. 24: 4. 449-462.
9.Das, I. 1999. On characterizing the “knee” of the Pareto curve based on normal-boundary intersection. Structural Optimization. 18: 2. 107-115.
10.Deb, K. 2003. Multi-objective evolutionary algorithms: Introducing bias among Pareto-optimal solutions. P 263-292, In: A. Ghosh and S. Tsutsu (eds), Advances in evolutionary computing, Springer, Berlin.
11.Deb, K., and Gupta, S. 2011. Understanding knee points in bicriteria problems and their implications as preferred solution principles. Engineering Optimization. 43: 11. 1175-1204.
12.El Ghaoui, L., and Lebret, H. 1997. Robust solutions to least-squares problems with uncertain data. SIAM Journal on Matrix Analysis and Applications. 18: 4. 1035-1064.
13.El Ghaoui, L., Oustry, F., and Lebret, H. 1998. Robust solutions to uncertain semidefinite programs. SIAM Journal on Optimization 9: 1. 33-52.
14.Haimes, Y.Y. 1971. On a bicriterion formulation of the problems of integrated system identification and system optimization. IEEE Transactions on Systems, Man and Cybernetics. 1: 3. 296-297.
15.Homayounifar, M., and Rastegaripour, F. 2010. Water allocation of Latian dam between agricultural products under uncertainty. J. Agric. Econ. Dev. 24: 2. 259-267. (In Persian)
16.Housh, M., Ostfeld, A., and Shamir, U. 2011. Optimal multiyear management of a water supply system under uncertainty: Robust counterpart approach. Water Resources Research. 47: 10. 1-15.
17.Li, M., and Guo, P. 2014. A multi-objective optimal allocation model for irrigation water resources under multiple uncertainties. Applied Mathematical Modelling. 38: 19. 4897-4911.
18.Li, Y., Huang, G.H., Huang, Y., and Zhou, H. 2009. A multistage fuzzy-stochastic programming model for supporting sustainable water-resources allocation and management. Environmental Modelling & Software. 24: 7. 786-797.
19.Li, Z., and Ierapetritou, M.G. 2008. Robust optimization for process scheduling under uncertainty. Industrial & Engineering Chemistry Research. 47: 12. 4148-4157.
20.Maqsood, I., Huang, G.H., and Yeomans, J.S. 2005. An interval-parameter fuzzy two-stage stochastic program for water resources management under uncertainty. Europ. J. Oper. Res. 167: 1. 208-225.
21.Miettinen, K. 1999. Nonlinear multiobjective optimization. volume 12, International Series in Operations Research and Management Science, Kluwer Academic Publishers, Dordrecht, Netherlands. 120p.
22.Mohaghar, A., Mehregan, M.R., and Naz-Abadi, M.R. 2009. Applying robust optimization to solve product mix problem in automotive industries. J. Ind. Manage. 1: 2. 139-152. (In Persian) 23.Mulvey, J.M., Vanderbei, R.J., and Zenios, S.A. 1995. Robust optimization of large-scale systems. Operations Research 43: 2. 264-281.
24.Sabouhi, M., and Mardani, M. 2013. Optimal allocation strategies of irrigation water and coastal land of Nekooabad irrigation network under uncertainty. 7: 13. 109-119. (In Persian)
25.Sadeghi, H., and Khaksar Astaneh, S. 2014. Provide an optimum model for renewable energy development in Iran; robust optimization approach. Iranian Energy Economics. 3: 11. 159-195. (In Persian) 26.Sakhaii, M., Tavakkoli-Moghaddam, R., Bagheri, M., and Vatani, B. 2016. A robust optimization approach for an integrated dynamic cellular manufacturing system and production planning with unreliable machines. Applied Mathematical Modelling, 40: 1. 169-191.
27.Soyster, A.L. 1973. Convex programming with set-inclusive constraints and applications to inexact linear programming. Operations Research. 21: 5. 1154-1157. | ||
آمار تعداد مشاهده مقاله: 897 تعداد دریافت فایل اصل مقاله: 1,082 |