由于目前气候条件的多变性，必须对水资源进行最佳规划，以便有效地管理社会经济和环境需求。由于每个地区季节性降雨、地下水和地表水可用性的不确定性，地表水和地下水的优化配置对于最大限度地提高作物净收益至关重要。本研究以作物净收益最大化和水资源有效管理为目标，建立了一个多目标模型。多目标模型包括三个目标函数，最大化作物净收益，最小化水分亏缺，最大化含水层补给。通过印度Pennar-Palar-Cauvery连接运河指挥部的案例研究，分析了该模型的实用性。三个元启发式方法，粒子群优化（PSO），遗传算法（GA）和海洋捕食者算法（MPA），求解所提出的模型。并通过超卷和覆盖率指标对它们的性能进行了评估，表明MPA在获得分布均匀的Pareto最优解方面具有优越性。因此，决策者可以根据当前的资源可用性和偏好选择最佳可行的解决方案。该模型考虑了现有种植模式中不同种植面积偏差（5%-25%）和地下水开采允许量（0%-70%）。所获得的种植模式，利用MPA在25%的种植偏差实现了1327.05万印度卢比的净收益增加。
研究考虑了现有的灌溉设施、作物种植模式、地下水潜力和利用情况等因素，提出了一个多目标优化模型，旨在通过最优分配地表水和地下水资源来最大化农作物的净收益、最小化水亏缺，并最大化地下水位的可持续性。研究使用了多种元启发式优化算法，包括粒子群优化算法（PSO）、遗传算法（GA）和多种群算法（MPA），并比较了它们在解决该优化模型上的效果。研究结果表明，MPA算法在搜索空间中提供了更好分布的帕累托最优解，并且具有更快的收敛速度，因此在解决该问题时表现出更好的性能。
海洋捕食者算法（MPA）的流程图，见图2；水资源优化模型流程图，见图3。
优化模型的执行考虑了现有种植面积的偏差，如5%，10%，15%，20%和25%。在优化过程中，地下水资源的允许开采量从0%到70%不等，以获得不同范围的优化结果，并考虑不同地下水和地表水资源分配情况下的最大作物净收益情景。这种考虑将有助于确定地下水和地表水的最佳比例，以便最大限度地提高作物净收益和地下水位的可持续性。
图4中示出了针对不同裁剪区域偏差通过每种算法获得的平均超体积值。它指示超体积值随着面积偏差的增加而增加。MPA获得了更高的超体积度量值，从而实现了均匀分布的解决方案。表8给出了平均覆盖值，其中MPA获得的关于PSO和NSGA-II的覆盖度量由c1，c2给出，PSO和NSGA-II关于MPA的覆盖指定为c′。覆盖值c2为零的所有种植面积偏差，和c1接近零的三个种植面积偏差，这表明MPA实现了更多的非支配解决方案比PSO和NSGA-II。MPA得到的结果的优越性是由于其系统的开发和勘探策略，使用Levy和布朗运动，从而导致更快的收敛。此外，FAD的效果可以防止陷入局部最优，从而推动全局最优解。
图5显示了使用MPA、PSO和NSGA-II对不同种植偏差实现的最大净收益。随着种植面积偏差的增加，使用MPA的作物净收益急剧增加，因为更多的种植面积被分配给具有高净收益的作物。然而，现有种植模式的更多偏差会影响作物的当地需求比例，因此应在预定义的范围内考虑。图6显示了为实现最大净收益而利用的不同种植面积偏差的地表水和地下水资源，表明在25%的种植面积偏差下，地下水的利用率为34%。
考虑到与现有种植面积的25%偏差，进一步分析了结果。图7描绘了平均超体积值随优化算法中的迭代次数的变化。这表明使用PSO和NSGA-II获得的超体积值在200次迭代后显示出非常轻微的增加，而MPA显示出超体积的持续改善。在图8中描绘了通过MPA在25%的裁剪面积偏差下实现的几个非支配解（帕累托最优解），其示出了搜索空间周围的良好分布的帕累托前沿。
表9列出了使用获得的最佳种植模式获得的最大净收益和使用现有种植模式获得的净收益。下表显示了水稻、棉花和豆类种植面积的显著变化。使用现有和获得的种植模式实现的净收益分别为13751.05百万印度卢比和15079.25百万印度卢比，这表明使用获得的种植模式增加了1327.05百万印度卢比的净收益。
图9显示了分区地表水和地下水利用情况，
图10显示了在25%面积偏差下分配给每个分区的种植模式。
建立了以增加作物净收益、维持含水层补给和减少缺水为目标的多目标水资源优化模型。本研究评估了三种元启发式优化方法（粒子群算法，遗传算法，MPA）的水资源联合分配。使用MPA实现的性能指标（超卷，覆盖率）的较高值表明其能够实现更多样化和分布良好的解决方案的问题。在考虑种植面积偏差5%、10%、15%、20%和25%的情况下，对模型进行了优化，地下水开采量在0~70%范围内随机变化。试验结果表明，增加面积偏差也增加了作物净收益。本研究建议水稻、棉花及豆类作物的显著面积偏差，以增加作物净收益沿着地下水资源的可持续利用。此外，作物面积和地下水的偏差参数应由专家仔细选择，考虑到目前的作物需求以及地下水和地表水的可用性。这种优化模式的发展允许有效地管理社会经济需求，并确保水的可持续供应。该模型通过改变输入参数，适用于不同地区的类似问题。然而，在目前的研究中，某些参数中使用的算法，如降雨的不确定性，地下水补给，地表水和地下水之间的相互作用，没有考虑。因此，未来的发展方向是开发或使用合适的估算模型来计算地下水补给量、降雨量和作物需水量。
