تخصیص بهینه اقتصادی آب با به‌کارگیری خوارزمی‌های فراابتکاری انتخابات و رقابت استعماری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی آب دانشگاه تبریز

2 گروه مهندسی آب دانشگاه علوم کشاورزی‌و منابع طبیعی گرگان

چکیده

در مناطق خشک و نیمه خشک از جمله ایران، اصلی‌ترین عامل محدود کننده توسعه اقتصادی، آب است. در پژوهش حاضر، از روشی نوین و در حین حال با کارایی بالا مبتنی بر خوارزمی انتخابات (EA )جهت تخصیص بهینه منابع آب شبکه آبیاری و زه کشی دشت مغان در بخش کشاورزی طی سال‌های آماری 95-1386 استفاده شد. خوارزمی انتخابات یک خوارزمی تکرارشونده بوده و از انتخابات ریاست جمهوری الهام گرفته و با مجموعه ای از راه حل های شناخته شده به عنوان جمعیت کار می‌کند. نتایج حاصل از این روش با نتایج خوارزمی رقابت استعماری (ICA )مورد مقایسه قرار گرفت. تابع هدف در بخش کشاورزی بر اساس هر یک از محصولات و عملکرد آن ها، بر اساس درآمد حاصله از هر محصول و سطح زیر کشت، تابع تقاضا مشخص و سپس بیشینه سازی تابع هدف و تخصیص بهینه منابع آب توسط خوارزمی‌های انتخابات و رقابت استعماری انجام شد. نتایج اعمال خوارزمی های بهینه سازی EA و ICA به مسأله تخصیص بهینه آب نشان داد با اعمال سیاست های اقتصادی همانند تغییر الگوی کشت می توان به درآمدهای بالاتری در بخش کشاورزی رسید. در حالت کلی، نتایج خوارزمی انتخابات در مقایسه با خوارزمی رقابت استعماری نشان داد که در مورد دشت مغان می‌توان اظهار نمود با اعمال ضریب 0/9 ،135 میلیارد ریال، یعنی حدود 40 %درآمدهای حاصله از تخصیص بهینه منابع آب بین بخش کشاورزی نسبت به وضعیت کنونی بهبود می‌یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimal Economic of Water Allocation Using EA and ICA Evolutionary Algorithms

نویسندگان [English]

  • Somayeh Emami 1
  • Yahya Choopan 2
1 Water Engineering Department of Tabriz
2 Water Engineering Department of Gorgan university
چکیده [English]

In arid and semi-arid regions, like Iran, water is one of the main factors limiting economic development. In the present study, a new high-performance method was used for optimal water allocation in the agricultural sector from 2007 to 2016 years. Election Algorithm is an iterative population-based algorithm, which works with a set of solutions known as population. The results of this method were compared with the results of the Imperialist Competitive Algorithm (ICA). The objective function was determined for each product in the agricultural sector as well as product performance, each product benefits and cultivated area of the demand function, then maximization of the objective function and optimal water resources allocation were performed using EA and ICA algorithms. The results of the application of the EA and ICA algorithms to the optimal water allocation problem showed that in this section, higher benefits could be obtained through economic policies as well as changing the cultivation pattern. Generally, in the case of Moghan plain can be expressed by applying a coefficient of 0.9, 135 Billion Rials, that is, about 40% of the optimal water resources allocation benefits improving between the agriculture sectors compared to the current situation.

کلیدواژه‌ها [English]

  • Water Resources
  • Election Algorithm
  • Imperialist Competitive Algorithm
  • optimization
  • Economic Benefit
[1]  A. Parhizkari, M. Mozaffari, M. Khaki, H. Taghizadeh- Ranjbari, Optimal water resource and land allocation in Roodbar-Alamut area using GGFP model, Journal of Water and Soil Resources Conservation, 4(4) (2015) 11-24.
[2]  H. Emami, F. Derakhshan, Election algorithm: A new socio-politically inspired strategy, AI Communications, 28 (2015) 591–603. 
[3]  E. Atashpaz-Gargari, Development of social optimization algorithm and its efficiency review, Master’s Thesis, Faculty of Electrical and Computer Engineering, University of Tehran, (2007). 
[4]  I. Ahmad, F. Zhang, J. Liu, M. N. Anjum, M. Zaman, M. Tayyab, M. Waseem, H. U. Farid, A linear bi-level multi-objective program for optimal allocation of water resources. Water Resources, Plos One, 13(2):e0192294.
[5]  https://doi.org/10.1371/journal.pone. 0192294 (2018).
[6]  A. Khasheie-Siuki, B. Ghahreman, M. Kucheckzadeh, Application of agricultural water allocation and management using PSO optimization technique (case study: Neishabour plain), Soil and Water journal, 27(2) (2013) 292-303.
[7]  Jehad Keshavarzi, Report of water, (2015).
[8]  M. Janga Reddy, D. Nagesh Kumar, Optimal reservoir operation forirrigation of multiple crops using elitistmutated particle swarm optimization, Hydrology Science Journal, 52(4) (2010) 686-701.
[9]  E. Bekri, M. Disse, P. Yannopoulos, Optimizing water allocation under uncertain system conditions for water and agriculture future scenarios in Alfeios river basin (Greece), Part B: Fuzzy-boundary intervals combined with multi-stage stochastic programming, Water, 7 (2015) 6427-6466. 
[10] H. Kiafar, S. A. Sadreddini, A. H. Nazemi, H. Sanikhani, Water allocation in irrigation and drainage network using genetic algorithm (case study: SofiChay network), Irrigation and Water Engineering Journal, 2 (5) (2010) 52-61.
[11] M. Habibi-Davijani, M. Bani-Habib, S. R. Hashemi, Development of optimization model for water allocation in agriculture, industry and service sectors by using advanced algorithm, GAPSO, Journal of Water and Soil, 27(4) (2013) 680-691.
[12] R. Salazar, F. Szidarovszky, E. Coppola, A. Rojano, Application of game theory for a groundwater conflict in Mexico, Journal of Environmental and Management, 84 (2007) 560-571.
[13] S. Y. Zerat-Kish, Environmental assessment of water in agriculture with an environmental approach, Iranian journal of Agricultural Economics and Development research, 47 (2-1) (2015) 259-269.
[14]  O. Nasiri-Gheydari, S. Marofi, A multi-objective bargaining and Fuzzy programming approaches for optimal water allocation with emphasis on deficit irrigation, Journal of Water and Soil, 31 (2) (2017) 434-448.