طراحي بهينه شبكه‌هاي جمع‌آوري فاضلاب ثقلي با روش اتوماتاي سلولي انعطاف‌پذير

Optimal Design of Gravitational Sewer Networks with General Cellular Automata

تحقيق حاضر مبتني بر ارايه روش بهينه‌سازي با الگوريتم اتوماتاي سلولي انعطاف‌پذير براي طراحي شبكه‌هاي فاضلاب است. به‌منظور طراحي بهينه شبكه فاضلاب لازم است كه مقادير قطر و عمق كارگذاري دو سر لوله‌ها به گونه‌اي تعيين شود كه هزينه ساخت شبكه با توجه به قيود و محدوديتهاي مربوطه حداقل شود. در اين تحقيق، گره‌هاي شبكه به‌عنوان سلول و عمق كارگذاري دو سر هر لوله به‌عنوان حالت سلول در نظر گرفته شد و منظور از همسايگي نيز لوله‌هاي اطراف هر سلول است. با در نظر گرفتن عمق كارگذاري دو سر هر لوله به‌عنوان متغير تصميم، روش پيشنهادي به‌صورت يك روش عمومي و انعطاف‌پذير، امكان طراحي بهينه شبكه فاضلاب را هم به‌صورت ثقلي و هم پمپدار فراهم مي‌كند. قابليت‌هاي مدل ارايه شده براي طراحي شبكه فاضلاب ثقلي در دو مسيله نمونه بررسي و نتايج حاصل از آن با روشهاي ديگري مانند الگوريتم‌هاي ژنتيك، اتوماتاي سلولي، جامعه مورچگان و هوش تجمعي ذرات مقايسه شد و نتايج خوب و قابل قبولي حاصل شد.

In this paper, a Cellular Automata method is applied for the optimal design of sewer networks. The solution of sewer network optimization problems requires the determination of pipe diameters and average pipe cover depths, minimizing the total cost of the sewer network subject to operational constraints. In this paper, the network nodes and upstream and downstream pipe cover depths are considered as CA cells and cell states, respectively, and the links around each cell are taken into account as neighborhood. The proposed method is a general and flexible method for the optimization of sewer networks as it can be used to optimally design both gravity and pumped network due to the use of pipe nodal cover depths as the decision variables. The proposed method is tested against two gravitational sewer networks and the comparison of results with other methods such as Genetic algorithm, Cellular Automata, Ant Colony Optimization Algorithm and Particle Swarm Optimization show the efficiency and effectiveness of the proposed method.