Geliştirilmiş puma optimizasyon algoritması ile evrimsel optimizasyon
Evolutionary optimization with the improved puma optimization algorithm
- Tez No: 1018084
- Danışmanlar: DOÇ. DR. OSMAN ALTAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Enerji optimizasyon modeli, Global optimizasyon yöntemi, Yapay zeka, Energy optimization model, Global optimization method, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son zamanlarda metasezgisel optimizasyon algoritmalarına olan ilginin artması nedeniyle, literatürdeki algoritmaların sayısı her geçen gün çoğalmaktadır. Söz konusu algoritmalar bazı problemlerde umut verici sonuçlar verirken diğer problemlerde aynı performansı gösterememektedir. Bu durum, araştırmacıları farklı algoritmaların güçlü yönlerini birleştirerek melez yöntemler geliştirmeye yöneltmiştir. Bu çalışmada, 2024 yılında önerilen Puma Optimizasyon Algoritmasının (POA) sömürü fazındaki erken yakınsama eğilimini gidermek amacıyla Karşıtlığa Dayalı Öğrenme (KDÖ) stratejisi POA Algoritmasının her iterasyonuna entegre edilerek Puma_KDÖ adı verilen yeni bir melez model oluşturulmuştur. Önerilen melez model, 23 standart kıyaslama fonksiyonu, CEC 2017 ve CEC 2022 fonksiyon setleri ve CEC 2020 yarışmasının güç sistemi ve güç elektroniği optimizasyonu alt kümesinden 17 gerçek dünya kısıtlı problem üzerinde test edilmiştir. Testler, Wilcoxon işaretli sıra testi ve Friedman sıralama testi kullanılarak istatistiksel olarak analiz edilmiştir. Karşılaştırmaya literatürde yaygın olarak kullanılan 15 farklı metasezgisel algoritma dahil edilmiştir. Elde edilen sonuçlar ışığında, Puma_KDÖ, kısıtsız kalite testlerinde genel olarak rekabetçi sonuçlar üretirken, CEC2020 kısıtlı güç sistemi ve güç elektroniği problemlerinde uygulanabilirlik oranı açısından sınırlı kalmıştır. Bu durum, önerilen yöntemin gelecekte daha güçlü bir kısıt ele alma mekanizmasıyla desteklenmesi gerektiğini göstermektedir.
Özet (Çeviri)
Due to the increasing interest in metaheuristic optimization algorithms recently, the number of algorithms in the literature is increasing day by day. While these algorithms yield promising results in some problems, they may not exhibit the same performance in others. This situation has led researchers to develop hybrid methods by combining the strengths of different algorithms. In this study, the Opposition-Based Learning (OBL) strategy was integrated into each iteration of the Puma Optimizer (PO), proposed in 2024, to eliminate the premature convergence tendency in its exploitation phase, and a new hybrid model named Puma_OBL was developed. The proposed hybrid model was tested on 23 standard benchmark functions, CEC 2017 and CEC 2022 function sets, and 17 real-world constrained problems from the power system and power electronics optimization subset of the CEC 2020 competition. The tests were statistically analyzed using the Wilcoxon signed-rank test and the Friedman ranking test. Fifteen different metaheuristic algorithms widely used in the literature were included in the comparison. In light of the results obtained, while Puma_OBL produced generally competitive results in unconstrained quality tests, it remained limited in terms of applicability rate in CEC 2020 constrained power system and power electronics problems. This situation indicates that the proposed method should be supported with a more robust constraint-handling mechanism in the future.
Benzer Tezler
- Ayrık optimizasyon problemlerinin çözümü için yeni evrimsel algoritmaların geliştirilmesi ve analizi
Development and analysis of new evolutionary algorithms for solving discrete optimization problems
AYŞEGÜL İHSAN TOKLU
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAHİR SAĞ
- Puma optimizasyon algoritması ile kablosuz algılayıcı ağlarda maksimum kapsama ve enerji verimli yölendirme problemlerinin çözümü
Solution of maximum coverage and energy-efficient routing problems in wireless sensor networks using the puma optimization algorithm
LÜTFİ BATUHAN GÜNER
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMİNE BAŞ
- 6 serbestlik dereceli seri robot kolunun ters kinematik analizi için hızlı algoritma geliştirilmesi ve uygulaması
Design and application of a fast inverse kinematics algorithm for 6 DOF open chain serial robots
OKAN DUYMAZLAR
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiEge ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DİLŞAD ENGİN
- External control of PUMA 700 series robot based on the communication protocols LUN and DDCMP
LUN ve DDCMP iletişim protokolleri yoluyla PUMA 700 serisi robotun dışarıdan denetlenmesi
ÖNDER EMİN GEBİZLİOĞLU
Yüksek Lisans
İngilizce
2003
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN ERSAK
- Development of mechanically robust, biodegradable bioink formulations for 3D bioprinting
3B biyobaskı için mekanik stabiliteye sahip, biyobozunur biyomürekkep formülasyonlarının geliştirilmesi
IŞIL YAZGAN
Yüksek Lisans
İngilizce
2023
BiyomühendislikAnkara ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. PINAR YILGÖR HURİ