Geri Dön

Dinanik optimizasyon problemlerinin çözümü için etkin yapay arı koloni algoritması versiyonlarının geliştirilmesi

Development of effective artificial bee colony algorithm variants for solving dynamic optimization problems

  1. Tez No: 1003467
  2. Yazar: ABDULBAKİ KARTAL
  3. Danışmanlar: PROF. DR. DERVİŞ KARABOĞA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Dinamik optimizasyon, Optimizasyon algoritmaları, Dynamic optimization, Optimization algorithms
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Yazılımı Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Dinamik optimizasyon problemleri, zamanla değişen arama uzayları ve hareketli optimum noktaları nedeniyle klasik algoritmalar için önemli zorluklar oluşturmaktadır. Bu tezde, Yapay Arı Kolonisi (Artificial Bee Colony, ABC) algoritmasının dinamik ortamlardaki uyum yeteneğini artırmak amacıyla, fonksiyon değişimini izleyen ve değişim algılandığında kâşif fazını yeniden düzenleyen değiştirilmiş bir ABC yaklaşımı önerilmektedir. Ardışık çevrimlerdeki en iyi uygunluk değerlerine dayalı eşik temelli bir mekanizma ile değişim tespit edildiğinde, en iyi çözüm korunmakta, diğer çözümler ise yeni bölgeleri örneklemek üzere yeniden dağıtılmaktadır. Bu çerçevede, sabit ve uyarlamalı kâşif arı oranları ile uniform, Cauchy ve Lévy dağılımlarına dayalı stratejiler kullanılarak farklı ABC varyantları elde edilmiştir. Önerilen yöntemler, dinamik Sphere, Rastrigin, Griewank ve Rosenbrock fonksiyonları üzerinde test edilmiştir. Sonuçlar, standart ABC'ye kıyasla değişim sonrası toparlanma süresinin kısaldığını, hata tepe değerlerinin azaldığını ve çözüm kalitesinin arttığını göstermektedir. Özellikle uyarlamalı kâşif arı stratejilerinin, popülasyon çeşitliliğini ve yakınsama kararlılığını daha iyi koruyarak rekabetçi yakınsama hızları sağladığı görülmüştür. Bu çalışma, DOP'leri için sade ve uygulanabilir bir ABC tabanlı yaklaşım sunmaktadır.

Özet (Çeviri)

Dynamic optimization problems pose significant challenges for classical algorithms due to time-varying search spaces and moving optima. In this thesis, a modified Artificial Bee Colony (ABC) approach is proposed to enhance the adaptability of the ABC algorithm in dynamic environments by monitoring function changes and reconfiguring the scout phase when a change is detected. Using a threshold-based mechanism based on the best fitness values in successive iterations, once a change is identified, the best solution is preserved while the remaining solutions are redistributed to sample new regions of the search space. Within this framework, several ABC variants are developed by employing fixed and adaptive scout bee ratios together with strategies based on uniform, Cauchy, and Lévy distributions. The proposed methods are evaluated on the dynamic Sphere, Rastrigin, Griewank, and Rosenbrock functions. The results show that, compared to the standard ABC algorithm, the recovery time after changes is reduced, error peak values are decreased, and solution quality is improved. In particular, the adaptive scout bee strategies are observed to achieve competitive convergence rates while better preserving population diversity and convergence stability. Overall, this study presents a simple and practical ABC-based approach for dynamic optimization problems.

Benzer Tezler

  1. Tez No

    126702

    Genetic algorithms for changing environments: Diploid representations and dominance mechanisms

    Değişen ortamlar için genetik algoritmalar: Diploid gösterilimler ve baskınlık mekanizmaları

    AYŞE ŞİMA UYAR

    Doktora

    İngilizce

    İngilizce

    2002

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. A. EMRE HARMANCI

  2. Tez No

    692422

    Hybridization of probabilistic graphical models and metaheuristics for handling dynamism and uncertainty

    Değişimin ve belirsizliğin ele alınması için olasılıksal çizgesel biçelerin ve sezgi-üstlerinin melezleştirilmesi

    GÖNÜL ULUDAĞ

    Doktora

    İngilizce

    İngilizce

    2021

    Nörolojiİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE ŞİMA UYAR

  3. Tez No

    353808

    Hyper-heuristics in dynamic environments

    Dinamik ortamlarda üst-sezgiseller

    BERNA KİRAZ

    Doktora

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞE ŞİMA ETANER UYAR

  4. Tez No

    786076

    A hybrid evolutionary algorithm for multi-objective flexible job shop problems

    Çok amaçlı esnek atölye tipi çizelgeleme problemlerine yönelik hibrit evrimsel bir algoritma

    ALPER TÜRKYILMAZ

    Doktora

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri MühendisliğiMarmara Üniversitesi

    Mühendislik Yönetimi Ana Bilim Dalı

    PROF. DR. SEROL BULKAN

    DOÇ. DR. ÖZLEM ŞENVAR

  5. Tez No

    1012319

    Interval neural networks for uncertainty quantification in system identification

    Sistem tanımlamada belirsizlik nicelemesi için aralıklı yapay sinir ağları

    MEHMET ALİ FERAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. TUFAN KUMBASAR

Geri Dön