@article { author = {Mohammadi, Majid and Mousavi, Sayed Farhad and Farzin, Saeed and Karami, Hojat}, title = {Optimal Operation of Dam Reservoir Using Whale Optimization Algorithm and Its Hybrid with Genetic Algorithm Based on Multi-Criteria Decision Making}, journal = {Iranian journal of Ecohydrology}, volume = {6}, number = {2}, pages = {281-293}, year = {2019}, publisher = {Faculty of New Sciences and Technologies, University of Tehran}, issn = {2423-6098}, eissn = {2423-6101}, doi = {10.22059/ije.2019.270039.990}, abstract = {Optimal operation of reservoirs is one of the most important issues in water resources management. In the present study after introducing Whale Optimization Algorithm (WOA), the performance of this algorithm is evaluated separately and in the hybrid with the Genetic Algorithm (hybrid WOA-GA) in the optimal operation problem of Salman Farsi dam reservoir. In the present optimization problem, the objective function is defined as minimizing the total deficit during the operation period. Also, the constraints of the reservoir continuity equation, reservoir storage volume and released volume from the reservoir have been applied to the objective function of the problem. The Performance of proposed algorithms is compared with the performance of the Genetic Algorithm (GA) and Non-Linear Programming (NLP). The performance of models has been evaluated based on Reliability, reversibility, vulnerability and stability criteria. The results of optimal solutions showed that the absolute optimum is equal to 0.181 based on NLP method and using Lingo software and the optimal solutions for the models of the hybrid WOA-GA, GA and WOA with 2.9, 24.2 and 337 percent increase compared to the absolute optimum are ranked first to third respectively. A Multi-Criteria Decision-Making technique (MCDM) has been used to select the best model based on the objective function and evaluation criteria of the models' performance. The results of this technique showed that the performance of the hybrid WOA-Ga model is ranked first, and the models of NLP, GA and WOA are in the next ranks, respectively.}, keywords = {Optimal operation of Salman Farsi dam reservoir,Non-Linear Programming,hybrid Whale-Genetic algorithm,Whale Optimization Algorithm,Multi-Criteria Decision Making}, title_fa = {بهره‏برداری بهینه از مخزن سد سلمان فارسی با استفاده از الگوریتم وال و هیبرید آن با الگوریتم ژنتیک براساس روش تصمیم‏گیری چندمعیاره}, abstract_fa = {بهره‏برداری بهینه از مخازن سدها، یکی از مباحث ضروری در مدیریت منابع آب و به‏ویژه منابع آب سطحی است. در پژوهش حاضر، پس از معرفی الگوریتم بهینه‏سازی وال، عملکرد این الگوریتم به‏تنهایی و در حالت ترکیب با الگوریتم ژنتیک در مسئلۀ بهره‏برداری بهینه از مخزن سد سلمان فارسی ارزیابی شده است. در مسئلۀ بهینه‏سازی حاضر، تابع هدف به‏صورت کمینه‏سازی کل کمبود طی بهره‏برداری تعریف شده است. همچنین، محدودیت‏های معادلۀ پیوستگی مخزن، حجم ذخیرۀ مخزن و حجم رهاسازی از مخزن بر تابع هدف مسئله اعمال شده‏اند. عملکرد حاصل از الگوریتم‏های پیشنهادی با عملکرد حاصل از الگوریتم ژنتیک به‏عنوان یکی از الگوریتم‏های رایج در این زمینه و برنامه‏ریزی غیرخطی به‏عنوان بهینه‏یاب مطلق مقایسه شده‏ است. عملکرد مدل‏ها براساس شاخص‏های اطمینان‏پذیری، برگشت‏پذیری، آسیب‏پذیری و پایداری ارزیابی شده است. نتایج به‌دست‌آمده از جواب‏های بهینه نشان دادند جواب بهینۀ مطلق براساس روش برنامه‏ریزی غیرخطی و با استفاده از نرم‏افزار لینگو برابر 181/0 به دست آمده است و جواب بهینۀ مدل‏های الگوریتم هیبریدی وال-ژنتیک، الگوریتم ژنتیک و الگوریتم وال به‌ترتیب با 9/2، 2/24 و 0/337 درصد افزایش نسبت به جواب بهینۀ مطلق در رتبه‏های اول تا سوم قرار دارند. همچنین، نتایج به‌دست‌آمده از شاخص‏های ارزیابی عملکرد مدل‏ها نشان دادند از نظر اطمینان‏پذیری و آسیب‏پذیری، مدل برنامه‏ریزی غیرخطی و از لحاظ برگشت‏پذیری، الگوریتم ژنتیک و از نظر پایداری، الگوریتم هیبریدی وال-ژنتیک بهترین عملکرد در بین مدل‏ها را دارند. به منظور انتخاب برترین مدل براساس تابع هدف و شاخص‏های ارزیابی عملکرد مدل‏ها از روش تصمیم‏گیری چندمعیاره استفاده شده است. نتایج به‌دست‌آمده از این روش نشان دادند عملکرد الگوریتم هیبریدی وال-ژنتیک در رتبۀ اول قرار دارد و مدل‏های برنامه‏ریزی غیرخطی، الگوریتم ژنتیک و الگوریتم وال به‌ترتیب در رتبه‏های بعدی قرار دارند.}, keywords_fa = {الگوریتم‏ هیبریدی وال-ژنتیک,الگوریتم بهینه‏سازی وال,بهره‏برداری بهینه از مخزن سد سلمان فارسی,برنامه‏ریزی غیرخطی,تصمیم‏گیری چندمعیاره‌}, url = {https://ije.ut.ac.ir/article_71522.html}, eprint = {https://ije.ut.ac.ir/article_71522_8ad910863d302f214c2be7e2f08b94d8.pdf} }