AbstractWater distribution systems

Abstract
Water distribution systems (WDSs) are costly infrastructure in terms of materials, construction, maintenance, and energy requirements. Much attention has been given to the application of optimisation methods to minimise the costs associated with such infrastructure. Historically, traditional optimisation techniques have been used, such as linear and non-linear programming, but within the past decade the focus has shifted to the use of heuristics derived from nature (HDNs), for example Genetic Algorithms, Simulated Annealing and more recently Ant Colony Optimisation (ACO). ACO, as an optimisation process, is based on the analogy of the foraging behaviour of a colony of searching ants, and their ability to determine the shortest route between their nest and a food source. Many different formulations of ACO algorithms exist that are aimed at providing advancements on the original and most basic formulation, Ant System (AS). These advancements differ in their utilisation of information learned about a search-space to manage two conflicting aspects of an algorithm’s searching behaviour. These aspects are termed ‘exploration’ and ‘exploitation’. Exploration is an algorithm’s ability to search broadly through the problem’s search space and exploitation is an algorithm’s ability to search locally around good solutions that have been found previously. One such advanced ACO algorithm, which is implemented within this paper, is the Max-Min Ant System (MMAS). This algorithm encourages local searching around the best solution found in each iteration, while implementing methods that slow convergence and facilitate exploration. In this paper, the performance of MMAS is compared to that of AS for two commonly used WDS case studies, the New York Tunnels Problem and the Hanoi Problem. The sophistication of MMAS is shown to be effective as it outperforms AS and performs better than any other HDN in the literature for both case studies considered.

Keywords
Optimisation; Heuristics derived from nature; Ant colony optimisation; Water distribution systems

ผลลัพธ์ (ไทย) 1:

บทคัดย่อระบบการกระจายน้ำ (WDSs) มีโครงสร้างพื้นฐานเสียค่าใช้จ่ายในแง่ของวัสดุ ก่อสร้าง บำรุงรักษา และความต้องการพลังงาน ได้รับความสนใจมากไปยังโปรแกรมประยุกต์ของวิธีการเพิ่มประสิทธิภาพเพื่อลดต้นทุนที่เกี่ยวข้องกับโครงสร้างพื้นฐานดังกล่าว ประวัติ เทคนิคการเพิ่มประสิทธิภาพแบบดั้งเดิมมีการ ใช้ เช่นการเขียนโปรแกรมเชิงเส้น และไม่เชิงเส้น แต่ภายในทศวรรษที่ โฟกัสได้เลื่อนการใช้รุกที่มาจากธรรมชาติ (HDNs), สำหรับตัวอย่างขั้นตอน วิธีพันธุกรรม จำลองการหลอม และเมื่อเร็ว ๆ นี้เพิ่มประสิทธิภาพอาณานิคมมด (ACO) ACO เป็นกระบวนการเพิ่มประสิทธิภาพ ขึ้นอยู่กับการเปรียบเทียบพฤติกรรมการจับเหยื่อของฝูงค้นมด และความสามารถในการกำหนดเส้นทางที่สั้นที่สุดระหว่างรังของพวกเขาและเป็นแหล่งอาหารของ สูตรต่าง ๆ หลายอัลกอริทึม ACO อยู่ที่มุ่งเน้นการให้ความก้าวหน้าบนพื้นฐาน และต้นฉบับสูตร ระบบ Ant (AS) ความก้าวหน้าเหล่านี้แตกต่างกันในการใช้ประโยชน์ของข้อมูลที่ได้เรียนรู้เกี่ยวกับการค้นหาพื้นที่การจัดการสองด้านที่ขัดแย้งกันของอัลกอริทึมค้นหาพฤติกรรมของตน ลักษณะเหล่านี้จะเรียกว่า 'สำรวจ' และ 'ประโยชน์' สำรวจความสามารถของอัลกอริทึมการค้นหาอย่างกว้างขวางผ่านช่องว่างของปัญหาค้นหา และแสวงหาประโยชน์ ของอัลกอริทึมการค้นหาในท้องถิ่นใกล้เคียงวิธีแก้ไขปัญหาที่พบก่อนหน้านี้ หนึ่งเช่นอัลกอริธึมขั้นสูง ACO ซึ่งถูกนำมาใช้ภายในเอกสารนี้ มีสูงสุดนาทีมดระบบ (MMAS) อัลกอริทึมนี้กระตุ้นให้ค้นหาในท้องถิ่นใกล้เคียงพบแผน ในขณะที่การใช้วิธีการที่ช้าบรรจบกัน และอำนวยความสะดวกในการสำรวจการแก้ไขปัญหาที่ดีที่สุด ในกระดาษนี้ ประสิทธิภาพของ MMAS คือเมื่อเปรียบเทียบกับส่วนสองใช้ WDS กรณีศึกษา ปัญหาอุโมงค์นิวยอร์กและปัญหาฮานอย แสดงความประณีตของ MMAS มีประสิทธิภาพ ตามที่มันมีประสิทธิภาพสูงกว่าเป็น และดีกว่า HDN อื่น ๆ ในวรรณกรรมสำหรับการศึกษาทั้งสองกรณีถือว่าทำคำสำคัญเพิ่มประสิทธิภาพ รุกที่มาจากธรรมชาติ เพิ่มประสิทธิภาพของอาณานิคมมด ระบบจ่ายน้ำ

ผลลัพธ์ (ไทย) 3:

บทคัดย่อระบบกระจายน้ำ ( wdss ) เป็นโครงสร้างพื้นฐานราคาแพงในแง่ของวัสดุ การก่อสร้าง การบำรุงรักษา และความต้องการพลังงาน ได้รับความสนใจอย่างมากในการใช้วิธีการที่เหมาะสมเพื่อลดต้นทุนที่เกี่ยวข้องกับโครงสร้างพื้นฐานดังกล่าว ในอดีต เทคนิค optimisation ดั้งเดิมมาใช้ เช่น เส้นและการเขียนโปรแกรมเชิงเส้น แต่ในทศวรรษที่ผ่านมาโฟกัสได้เปลี่ยนไปใช้อักษรที่มาจากธรรมชาติ ( hdns ) , ขั้นตอนวิธีเชิงพันธุกรรม เช่น การดำรงอยู่ และเมื่อเร็ว ๆ นี้อาณานิคมมด Optimisation ( ACO ) ACO เป็นกระบวนการที่เหมาะสม , ขึ้นอยู่กับความคล้ายคลึงของผึ้งอาณานิคมของการค้นหาพฤติกรรมของมดและความสามารถในการกำหนดเส้นทางที่สั้นที่สุดระหว่างที่อยู่และแหล่งอาหาร หลายสูตรที่แตกต่างกันของขั้นตอนวิธี ACO ที่มีอยู่ที่มุ่งให้ก้าวหน้าในต้นฉบับ และพื้นฐานที่สุดการกำหนดระบบมด ( เป็น ) ความก้าวหน้าเหล่านี้แตกต่างกันในความต้องการของพวกเขาข้อมูลที่เรียนรู้เกี่ยวกับการค้นหาพื้นที่เพื่อจัดการความขัดแย้งของ 2 ด้านของขั้นตอนวิธีการค้นหาพฤติกรรม ลักษณะเหล่านี้จะเรียกว่า " สำรวจ " และ " ผลประโยชน์ " การสำรวจเป็นขั้นตอนวิธีการค้นหาความสามารถในการค้นหาในวงกว้าง ผ่านพื้นที่ที่เป็นปัญหา และการเอารัดเอาเปรียบเป็นขั้นตอนวิธีที่ความสามารถในการค้นหาในท้องถิ่นรอบๆโซลูชั่นที่ดีที่ได้รับการพบก่อนหน้านี้ หนึ่งเช่น ACO ขั้นสูงขั้นตอนวิธีที่ใช้ในงานวิจัยนี้ คือ แม็กซ์ มินระบบมดแบบ MMAs ) ขั้นตอนวิธีนี้กระตุ้นให้ท้องถิ่นค้นหาไปรอบ ๆ ทางออกที่ดีที่สุดที่พบในแต่ละซ้ำ ในขณะที่การใช้วิธีการชะลอการลู่เข้าและอำนวยความสะดวกในการสำรวจ ในกระดาษนี้ การปฏิบัติแบบ MMAs เป็นเมื่อเทียบกับที่ของเป็นสองนิยมใช้ WDS กรณีศึกษา , นิวยอร์กอุโมงค์ และปัญหาฮานอย ความซับซ้อนของการอันเป็นการต่อสู้แบบผสม คือ แสดงผล มันมีประสิทธิภาพดีกว่าเป็นและมีประสิทธิภาพดีกว่าใด ๆอื่น ๆในน้ำมันดีเซลในวรรณคดี ทั้งกรณีศึกษาพิจารณาคำสำคัญเพิ่มประสิทธิภาพ ; การวิเคราะห์พฤติกรรมที่ได้มาจากธรรมชาติ ; เพิ่มประสิทธิภาพอาณานิคมมด ; ระบบการกระจายน้ำ