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

در میان تکنیکهای بهینه¬سازی فراابتکاری ظهور یافته، بهینه¬سازی کلونی مورچه (ACO) توجهات بسیاری را در برنامه¬ریزی و مدیریت منابع آب و زیست محیطی در طول دهه گذشته به خود جلب کرده است. نسخه¬های 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 انعطاف¬پذیر 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 می¬کند تا فرصت¬ها، مزایا و معایب این الگوریتم را به همان صورت که در حوزه¬های 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 یافته¬های آنها در حوزه¬های سازمان یافته مدیریت آب سطحی و عملیات مخزن، سیستم¬های توزیع آب، زهکشی شهری و سیستم¬های فاضلاب، مدیریت آبهای زیرزمینی

Among the emerged metaheuristic optimization techniques, ant colony optimization (ACO) has received considerable attentions in water resources and environmental planning and management during last decade. Different versions of ACO have proved to be flexible and powerful in solving number of spatially and temporally complex water resources problems in discrete and continuous domains with single and/or multiple objectives. Reviewing large number of peer reviewed journal papers and few valuable conference papers, we intend to touch the characteristics of ant algorithms and critically review their state-of- the-art applications in water resources and environmental management problems, both in discrete and continuous domains. The paper seeks to promote Opportunities, advantages and disadvantages of the algorithm as applied to different areas of water resources problems both in research and practice. It also intends to identify and present the major and seminal contributions of ant algorithm