fa بررسی قابلیت کاربرد الگوریتم بهینه سازی گرگ خاکستری در تعیین ابعاد بهینه مقطع سدهای بتنی وزنی سد و سازه سد و سازه پژوهشي Research طراحی بهینه ابعاد سدهای بتنی وزنی با کاهش سطح مقطع سد به کاهش حجم بتن مصرفی و کاهش هزینه&shy;های ساخت می&shy;انجامد. به دلیل تعدد قیودات حاکم بر مساله همچون قیدهای پایداری در مقابل واژگونی و لغزش که به پیچیده شدن فضای تصمیم می&shy;انجامد، استفاده از مدل&shy;های بهینه&shy;سازی فراکاوشی در طراحی بهینه سدهای بتنی وزنی گسترش یافته است. در این پژوهش برای نخستین بار قابلیت الگوریتم بهینه&shy;سازی گرگ خاکستری در حل مساله طراحی بهینه ابعاد سد بتنی وزنی کوینا مورد بررسی قرار گرفته و ابعاد بهینه استخراجی با نتایج الگوریتم&shy; بهینه&shy;سازی هوش تجمعی ذرات مقایسه شد. مقایسه نشان داد که الگوریتم گرگ خاکستری با 5/61 درصد تعداد فراخوان کم&shy;تر نسبت به &nbsp;الگوریتم هوش تجمعی ذرات، توانسته میانگین توابع هدف محاسباتی را به میزان 2/5 درصد بهبود بخشد. از نظر پایداری راه&shy;حل&shy;ها نیز انحراف معیار توابع هدف محاسبه شده با الگوریتم گرگ خاکستری نسبت به الگوریتم هوش تجمعی ذرات کم&shy;تر است. هرچند از نظر رسیدن به جواب بهینه مطلق در ده بار اجرای الگوریتم، جواب محاسبه شده توسط الگوریتم هوش تجمعی ذرات به میزان 6/1 درصد بهتر می&shy;باشد. در مجموع نتایج نشان&shy;دهنده کارآیی الگوریتم گرگ خاکستری در محاسبه ابعاد سدهای وزنی بتنی از منظر دقت و پایداری جواب‌ها و سرعت همگرایی می&shy;باشد.<span dir="LTR"></span> Acquiring optimal dimensions of concrete dams by reducing the cross section will reduce the volume of concrete used and consequently reduce construction costs. Due to multiplicity of constraints which leads to complexity of the decision space, meta-heuristic optimization algorithms have been increasingly used in optimal design of gravity dams. In this study, performance of Grey Wolf Optimizer was assessed in optimal design of Koyna concrete gravity dam and the results were compared to Particle Swarm Optimization. Results indicated that Grey Wolf Optimization was able to reach to a 5.2 percent lower mean optimal cost over 10 runs result with considerably a 61.5 percent smaller number of function evaluations compared to Particle Swarm Optimization and considering stability of the algorithm results obtained from Grey Wolf Optimization had smaller standard deviation than Particle Swarm Optimization. However, in 10 consecutive runs, the minimum optimal value reached using Particle Swarm Optimization was 1.6% smaller than the smallest optimal value obtained from Grey Wolf Optimization, considering overall performance of algorithms, Grey Wolf Optimization presented a promising performance having a faster and stable convergence<br> <strong><span dir="RTL"></span></strong> سد بتنی وزنی, بهینه سازی, الگوریتم گرگ خاکستری, نیروهای استاتیکی, نیروی زلزله, پایداری واژگونی, پایداری لغزشی Concrete gravity dam, Optimization, Gray Wolf Algorithm, Static forces, Earthquake force, Overturning stability, Slip Stability 89 79 http://journal.hydropower.org.ir/browse.php?a_code=A-10-372-1&slc_lang=fa&sid=1 Fariborz Masoumi فریبرز معصومی f_masoumi@uma.ac.ir 2649644494 10031947532846003506 Yes Mohaghegh Ardabili University دانشگاه محقق اردبیلی sara esfandmaz سارا اسفندمز s.sfandmaz@gmail.com 6309761234 10031947532846003507 No Mohaghegh Ardabili University دانشگاه محقق اردبیلی negin zafari نگین ظفری nzmba2010@yahoo.com 1450342841 10031947532846003508 No Mohaghegh Ardabili University دانشگاه محقق اردبیلی