Improved genetic algorithm
Geliştirilmiş genetik algoritma
- Tez No: 276029
- Danışmanlar: PROF. DR. M. AKİF EYLER
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Genetik Algoritma (GA) evrim ve doğal seleksiyon fikirlerinden esinlenerek oluşturulmuş bir arama ve optimizasyon algoritmasıdır. GA çeşitli optimizasyon problemlerinde başarılı sonuçlar vermektedir, ancak çözüm kalitesinin artırılması ve hesaplama süresinin kısaltılması açısından hala geliştirilmeye ihtiyacı vardır.Bu çalışmanın amacı standart GA'nın çözüm kalitesinin geliştirilmesi ve daha akıllı bir algoritmanın oluşturulmasıdır. Genetik Algoritma (GA) ile sırasıyla Karınca Kolonisi Optimizasyonunu (KKO) ve Parçacık Sürü Optimizasyonunu (PSO) birleştiren iki farklı yeni ve akıllı algoritma önerilmiştir. Bu şekilde standart GA'nın daha da geliştirilmesi ve çözüm kalitesinin iyileştirilmesi hedeflenmiştir.Elde edilen melez algoritmalar literatürdeki en çok bilinen NP-Tam problemleri olan Gezgin Satıcı Problemi (GSP) ve Araç Rotalama Problemlerine (ARP) uygulanmıştır. Önerilen algoritmaların GA'dan daha iyi sonuçlar verdiği istatistiksel yöntemler kullanılarak ispatlanmıştır.
Özet (Çeviri)
Genetic Algorithm (GA) is a heuristic search and optimization algorithm inspired by the ideas of evolution and natural selection. It depends on the concept of survival of fittest. GA provides good results especially for large scale optimization problems. However, it still needs improvement in increasing solution quality and decreasing computation time.Objective of this study is to improve solution quality and to generate smarter algorithm. To achieve this, two novel algorithms are generated by combining Genetic Algorithm with Ant Colony Optimization (ACO) and Particle Swarm Optimization algorithms (PSO). Main objective is to improve solution quality of GA by utilizing advantages of both algorithms.Proposed hybrid algorithms are applied to Traveling Salesman Problem (TSP) and Vehicle routing problem (VRP). They are most well-known NP-hard problems. It is statistically proven that new hybrid algorithms provide better results than GA.
Benzer Tezler
- Gezgin satıcı probleminin çözümü için geliştirilmiş uyarlanabilir bir genetik algoritma tasarımı
An improved adaptive genetic algorithm design for solving traveling salesman problem
MERVE GENEL
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RIDVAN SARAÇOĞLU
- Çok rezervuarlı sistemlerin geliştirilmiş çok amaçlı genetik algoritma ile optimizasyonu
An improved multiobjective genetic algorithm for multireservoir systems optimization
YOUSSEF ALIOUI
Doktora
Türkçe
2022
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. REŞAT ACAR
- Adaptif ağ tabanlı bulanık mantık çıkarım sisteminin (ANFIS) iyileştirilmiş genetik algoritma ile eğitilmesi ve tıbbi problemlere uygulanması
Training adaptive neuro-fuzzy inference system (ANFIS) with improved genetic algorithm and application to medical problems
HİLAL HAZNEDAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM KALINLI
- A Genetic algorithmic approach to the differential and linear cryptanalysis
Genetik algoritma yaklaşımıyla diferansiyel ve lineer kriptanaliz
METE EMİNAĞAOĞLU
Yüksek Lisans
İngilizce
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET KOLTUKSUZ
- A genetic algorithm for 2D shape optimzation
Genetik algoritma ile iki boyutlu düzlemlerin şekil optimizasyonu
WEİ HANG CHEN
Yüksek Lisans
İngilizce
2008
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SÜHA ORAL