دانلود ترجمه مقاله مروری نوین بر کاربردهای بهینه سازی کلونی مورچه در مدیریت منابع آب (اسپرینگر ۲۰۱۵) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

مروری نوین بر کاربردهای بهینه سازی کلونی مورچه در مدیریت منابع آب

State of the Art Review of Ant Colony Optimization Applications in Water Resource Management

چکیده

۱-مقدمه

۲- بهینه سازی کلونی مورچه؛ مرور

۳- الگوریتم های کلونی مورچه پیوسته

۴- ACO اهداف متعدد

۵- کاربرد الگوریتمهای ACO در مدیریت منابع آب (WRM)

۶- روندهای کنونی در ACO

منابع

چکیده

     در میان تکنیکهای بهینه­سازی فراابتکاری ظهور یافته، بهینه­سازی کلونی مورچه (ACO) توجهات بسیاری را در برنامه­ریزی و مدیریت منابع آب و زیست محیطی در طول دهه گذشته به خود جلب کرده است. نسخه­های مختلف ACO اثبات شده است که در حل تعدادی از مسائل منابع آب پیچیده به لحاظ مکانی و زمانی در قلمروهای گسسته و پیوسته با اهداف منفرد و یا متعدد انعطاف­پذیر و قدرتمند هستند. با مرور تعداد زیادی از مقالات ژورنالی بررسی همکار و تعداد اندکی مقالات کنفرانسی ارزشمند، هدف داریم تا مشخصات الگوریتمهای مورچه را شناسایی کنیم و به طور منتقدانه کاربردهای نوین آنها را در مسائل مدیریت زیست محیطی و منابع آب در هردو قلمرو پیوسته و گسسته مرور کنیم. این مقاله تلاش می­کند تا فرصت­ها، مزایا و معایب این الگوریتم را به همان صورت که در حوزه­های مختلف مسائل منابع آبی در هردو زمینه تحقیق و عمل به کار گرفته شده است، ارتقاء دهد. همچنین هدف شناسایی و ارائه نقش اصلی و بدوی الگوریتمهای مورچه و یافته­های آنها در حوزه­های سازمان یافته مدیریت آب سطحی و عملیات مخزن، سیستم­های توزیع آب، زهکشی شهری و سیستم­های فاضلاب، مدیریت آبهای زیرزمینی، مدیریت زیست محیطی و حوضه آبخیر است. روندها و چالشهای کنونی در الگوریتمهای ACO مورد بحث قرار گرفتند و برای افزایش تلاش­ها جهت انجام آنالیز همگرایی همانند در حوزه فعال مورد علاقه فراخوانی شدند.

الگوریتم­های کلونی مورچه پیوسته

     بهینه سازی کلونی مورچه در اصل برای مسائل بهینه­سازی گسسته توسعه داده شد. کاربرد آن قلمرو پیوسته با گسسته­سازی فضای جستجو آغاز شد. اگرچه، برخی پیشرفت­ها در متدولوژی گسسته­سازی همانند رویکرد پالایش گسسته (DR) برای بهبود عملکرد و کارایی ACO اصلی در قلمروهای پیوسته گزارش شدند (جلیل و همکاران، ۲۰۰۷)، عملکرد مقایسه­ای آنها هنوز باید بهبود داده شود. برای غلبه بر این مسئله، نسخه جدید الگوریتم مبتنی بر ACO توسعه داده شد.

     جدیدترین رویکرد پیشنهادی برای مسائل پیوسته توسط سوچا و دوریگو (۲۰۰۶) نزدیک به روح الگوریتمهای مبتنی بر کورچه است. در الگوریتم پیشنهادی آنها (ACOR)، ایجاد نموی راه­حلها براساس انتخاب تصادفی مولفه­های راه­حل به عنوان ایده اصلی در ACOR باقی می­ماند.

     با افزایش تعداد گزینه­های در دسترس در هر مرحله ساخت، توزیع احتمالی گسسته (در ACO گسسته) به یک تابع چگالی احتمال نزدیک می­شود. در این مورد، به جای انتخاب یک مولفه راه­حل از مجموعه مجاز، یک مورچه مولفه­های راه­حل را از یک تابع چگالی احتمال (PDF) پیوسته انتخاب می­کند. برای تعریف یک PDF بایمدال، آنها PDF کرنل گاوسی، ، را به صورت مجموع چندین تابع گاوسی یک بعدی  پیشنهاد کردند: