Parçacık sürüsü optimizasyon algoritmasıyla bulanık-nöral ağ eğitimi
Fuzzy neural network learning using particle swarm optimization algorithm
- Tez No: 232746
- Danışmanlar: YRD. DOÇ. DR. CİHAN KARAKUZU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Parçacık Sürüsü Optimizasyonu, Genetik Algoritma, Bulanık-Nöral Ag Egitimi, Kontrolör Parametrelerinin Optimizasyonu, Particle Swarm Optimization, Genetics Algorithm, Neuro ? Fuzzy Network Training, Optimization of Controller?s parameters
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Günümüzde, biyolojik sistemlerden esinlenilmis bir çok hesaplama teknigi bulunmaktadır. Bu tez çalısmasının temelinde de kus sürülerinin davranıslarından esinlenilerek ortaya çıkarılmıs bir yöntem olan ?Parçacık Sürüsü Optimizasyon (PSO) Algoritması? bulunmaktadır. Bu tarz yöntemlerin, geriye yayılım gibi klasik yöntemlere karsı bir çok üstünlügü vardır. Bu yöntemler, çok parametreli sistemlerin optimizasyonunda, diferansiyel denklem çözümü ve gradyen hesaplanması gerektirmedigi için islem yükünü ve islem zamanını azaltmaktadır. Bu tez çalısması içerisinde, ilk olarak PSO algoritması anlatılmıstır. Sonrasında algoritmanın basarımını artırmak için ortaya konan karma (hibrit) algoritma anlatılmıstır. Karma algoritmada; PSO algoritması içersine, genetik algoritmaya özgü çaprazlama ve degisim operatörleri dahil edilmistir. Yapılan benzetim sonuçlarından, algoritmanın basarımının önemli ölçüde arttıgı görülmüstür. Bulanık-nöral ag parametrelerinin belirlenmesi çok parametreli bir optimizasyon problemidir. Bu tez çalısmasında, bu problemin çözümü, PSO algoritması kullanılarak yapılmıstır. Farklı yapılardaki bulanık-nöral agların egitilmesi ve iki örnek sistem üzerindeki kontrol basarımları sunulmustur. lk olarak ayrık zamanda tanımlanmıs tek giris-tek çıkıslı dinamik bir sistemi kontrol edebilmek için yinelemeli bulanık-nöral ag, tez içersinde anlatılan iki algoritma ile egitilmistir. Benzetim sonuçlarına göre algoritmaların karsılastırması yapılmıs ve karma algoritmanın üstünlügü görülmüstür. Tez içersinde son çalısmada ise üç farklı yapıdaki bulanık-nöral ag, karma algoritma ile DC motor hızını kontrol etmek için egitilmistir. Buradaki amaç farklı yapılardaki bulanık-nöral agların, sürekli zamanda tanımlanmıs örnek bir sistem üzerindeki basarımlarını karsılastırmaktır. Yapılan benzetimlerde karma algoritma ile egitilen bulanık-nöral agların oldukça iyi kontrol sonuçları verdigi görülmüstür.
Özet (Çeviri)
Nowadays; there are a lot of computation techniques inspired by biological systems. This thesis?s basis is based on ?Particle swarm optimization (PSO) algorithm? inspired by the behavior of bird flocks. These computation techniques have more superiority than classical techniques like back propagation. These techniques don?t need the solution of differential equation and partial gradient, since they decrease the computation time and complexity for purposes of multi parameter optimization problem solutions. In this thesis, firstly PSO algorithm is explained and then the concept of hybrid algorithm, which is proposed to increase the success of PSO algorithm. In hybrid algorithm; crossover and mutation operators, which belongs to genetics algorithm, are inserted in PSO algorithm. As can be seen from the simulation results, it?s shown that hybrid algorithm?s performance is superior that of PSO. Determination of fuzzy neural network?s (FNN) parameters is a multi parameter optimization problem. In this dissertation, this problem is solved by using PSO algorithm and training of the different FNN controller architectures and their performances is presented based on two sample systems. Firstly recurrent FNN is trained by two algorithms explained in this thesis to control the single input-single output dynamical plant defined in discrete time domain. For this plant, comparison of classical PSO and hybrid PSO algorithms is made and it is shown superiority of hybrid algorithms with numerous simulation results. Finally, 3 different types of FNN are trained by hybrid algorithm to control the speed of DC motor. And then the performances of FNN?s are compared on the simulation system defined in continuous time domain. As a result, it is shown that the FNN trained by hybrid algorithm gives successful control results.
Benzer Tezler
- Data mining approach based on harris hawks optimization (HHO) algorithm for multiple sclerosis lesions segmentation on brain magnetic resonance images
Beyin manyetik rezonans görüntülerinde çoklu skleroz lezyonları için harrıs hawks optimizasyonu (HHO) algoritmasına dayalı veri madenciliği yaklaşımı
AMAL F A ISWIASI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OĞUZ KARAN
- Improvement of real and reactive power control by putting unified power flow controllers (UPFC) in the optimal locations of transmission lines
İletim hatlarının optimal yerlerine birleştrilmiş güç akışı kontrolörlerini (UPFC) kesken gerçek ve reaktif güç kontrolünün geliştirilmesi
MOHAMMED TALIB GHALIB
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiTürk Hava Kurumu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. DOĞAN ÇALIKOĞLU
- Yapay arı kolonisi algoritması tabanlı kesir dereceli butterworth filtre tasarımı
Fractional order butterworth filter design based on artificial bee colony algorithm
MUHAMMET FATİH ELMAS
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF GÜLTEN
- Yapay arı koloni algoritmasıyla sayısal süzgeç tasarımı
Digital filter design by using artificial bee colony algorithm
MEHMET BAHADIR ÇETİNKAYA
Doktora
Türkçe
2010
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURHAN KARABOĞA
- Parçacık sürüsü optimizasyonu ve k-ortalamaları algoritmalarıyla güç dağıtım şebekeleri belirsizlik koşullarında dağıtık üretimlerin optimal yerleşimi
Optimal placement of distributed generation in power distribution networks under uncertainties using particle swarm optimization and k-means algorithms
ONUR HAKKI EYÜBOĞLU
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER GÜL