بهينه سازي بهره برداري از مخازن سدها با استفاده از فرآيند تظريف تطبيقي احتمالاتي در الگوريتم مورچه ها

الگوریتم جامعه مورچه ها یك الگوریتم بهینه سازی می باشد كه از رفتار جستجوی غذا در مورچه ها الهام گرفته است. از جمله ویژگی های الگوریتم جامعه مورچه ها حركت مورچه های مصنوعی در فضای گسسته می باشد. با توجه به اینكه بسیاری از مسایل واقعی در دنیای اطراف ما پیوسته می باشند، به كار گیری این الگوریتم در حل آنها نیازمند گسسته سازی فضای جستجوی پیوسته و تبدیل مساله پیوسته به مساله گسسته می باشد. معمولا تقسیم بندی بزرگ فضای جستجو موجب اثر منفی بر كیفیت جواب و گسسته سازی ریز موجب افزایش تلاش محاسباتی و گاها كاهش كیفیت جواب می گردد. لذا ارتقاء رفتار در الگوریتم جامعه مورچه ها و یا ایجاد نوآوری هایی در آن جهت نزدیكتر شدن به جوابهای بهینه در محیط های پیوسته یكی از چالشهای این الگوریتم محسوب می شود. در این مقاله مكانیزم مناسبی به نام تظریف تطبیقی احتمالاتی (SAR) جهت حل مشكل فوق و رسیدن به جواب هایی در حد جوابهای بهینه پیوسته ارایه داده شده است. در این روش مساله بهینه سازی پیوسته با مجموعه ای از بهینه سازی های گسسته جایگزین می شود كه در آن گسسته سازی حوزه متغیرهای تصمیم ابتدا به شكل یكنواخت و سپس در تكرارهای بعدی با استفاده از یك توزیع گوسی صورت می گیرد. دراین مقاله كاربرد مكانیزم فوق در نمونه ای از مساله بهره برداری از مخازن سدها مورد آزمون قرار گرفته است و با نتایجنرم افزار LINGO (نسخه8) و دیگر روشهای موجود مقایسه گشته است. نتایج نشان می دهد مكانیزم به كار گرفته شده اثر زیادی در بهبود جوابهای الگوریتم مورچه ها دارد.