Geri Dön

Performance evaluation of evolutionary heuristics in dynamic environments

Dinamik ortamlarda buluşsal teknikler kullanılarak performansın değerlendirilmesi

  1. Tez No: 181218
  2. Yazar: DEMET AYVAZ
  3. Danışmanlar: PROF.DR. FİKRET GÜRGEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2006
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 122

Özet

Statik optimizasyan problemlerinde optimizasyon süresince optimize edilen problemdeherhangi bir değişiklik olmadığı varsayılır. Bununla birlikte gerçek hayattaki birçokoptimizasyon problemi dinamiktir ve zaman içerisinde amaç fonksiyonu, karar değişkenleri yada ortamsal parametrelerinde değişikliklere maruz kalır. Dinamik optimizasyonproblemlerinde amaç statik bir optimal çözüm bulabilmekten ziyade, çözüm kümesi içerisindesürekli bir şekilde yer değiştiren optimal değeri olabildiğince iyi takib edebilmektir.Bu tezde önde gelen evrimsel dinamik optimizasyon tekniklerinin tam ve kapsamlı birkarşılaştırmasını sunuyoruz. 13 evrimsel optimizasyon algoritmasını ortak bir platform olanmoving peaks problemi üzerinde önemli problem parametrelerini değiştirerek inceleyipkarşılaştırdık. Bu algoritmalardan iki tanesi bu tez kapsamında geliştirilmiş, karmatekniklerdir. Yapılan karşılaştırma sonucunda, karma tekniklerin literatürdeki tekniklerdendaha iyi sonuç verdiği gözlenmiştir. Bununla birlikte bu çalışmada sinyal benzerliğini temelalan yeni bir performans ölçütü geliştirilmiş ve algoritmaların karşılaştırılmasındakullanılmıştır.Yapılan karşılaştırma çalısması moving peaks gibi sanal bir problemin yanı sırascheduling gibi gerçek bir problemide içermektedir. Dinamik scheduling problemini çözmeküzere dizayn edilmiş 5 evrimsel algoritmayıda inceledik. Algoritmalar stokastik ve deterministscheduling ortamlarında karşılastırıldı. Sonuçlar her ortamda iyi çalısan tek bir algorimanınolmadığını göstermektedir.

Özet (Çeviri)

In stationary optimization problems, it is assumed that no changes occur with respect tothe problem solved during the course of computation. However many real-world optimizationproblems are non-stationary (dynamic) and subject to changes over time with respect to theobjective function, the decision variables or the environmental parameters. For dynamicoptimization problems the goal of an optimization algorithm is no longer to find a stationarysolution, but to continuously track the changing or moving optimum in the problem space.In this thesis, we present a complete and an extensive performance evaluation of leadingevolutionary optimization techniques in dynamic environments. We have examined andimplemented a set of 13 evolutionary optimization techniques on a common platform by usingthe moving peaks benchmark and by varying important problem parameters. Two newalgorithms which are the hybridization of the leading techniques in the literature have beenproposed in this thesis. Based on the experimental study, it was observed that the hybridmethods outperform the related work with respect to quality of solutions for variousparameters of the given benchmark problems. Additionally, a new comparison metric which isbased on signal similarity is proposed and used for performance evaluation of algorithms.The comparison study is based on both artificial problems including moving peaksproblems and some of the real-world problems such as scheduling. We have also implementedfive evolutionary algorithms which have been designed to solve dynamic job shop schedulingproblem. The algorithms are compared in both deterministic and stochastic schedulingenvironments. The results have shown that there is no algorithm that is best for allenvironmental conditions.

Benzer Tezler

  1. 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

  2. Development of a novel evolutionary algorithm specialized for crystal structure prediction of molecular systems: MCaSP-Evo

    Moleküler sistemlerin kristal yapı tahmini için özelleştirilmiş bir evrimsel algoritmanın geliştirilmesi: MCaSP-Evo

    DENİZHAN TUTAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. ADEM TEKİN

  3. Geliştirilmiş SPEA2 ile envanter probleminin çözümü

    Inventory optimization with a novel SPEA2 algorithm

    ALİ BAYRAKDAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ILHAM HUSEYINOV

  4. Solution to multi-objective hub location problem using evolutionary algorithms-An application to PTT network

    Çok amaç fonksiyonlu merkez üssü yer seçimi probleminin evrimsel algoritmalar kullanarak çözümü-PTT ağına uygulama

    ONUR ÇAMLAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik Üniversitesi

    Endüstri Mühendisliği Bölümü

    DOÇ.DR. CANAN SEPİL

  5. Sürdürülebilir toplu konut yerleşmesi tasarımı için Pareto genetik algoritmaya dayalı bir model önerisi: SSPM

    A model for sustainable site layout design with pareto genetic algorithm: SSPM

    YAZGI AKSOY

    Doktora

    Türkçe

    Türkçe

    2016

    Mimarlıkİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. GÜLEN ÇAĞDAŞ