Parçacık sürü optimizasyonu yöntemlerinin uygulamalarla karşılaştırılması
Comparision of particle swarm optimization methods in applications
- Tez No: 287420
- Danışmanlar: DOÇ. DR. CEVDET GÖLOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Optimizasyon problemlerinin çözümünde birçok algoritma kullanılmaktadır. Popülasyon tabanlı evrimsel arama algoritması olan Parçacık Sürü Optimizasyonu (PSO), uygulama kolaylığı ve hızlı çözüm bulma yeteneği ile diğer optimizasyon algoritmaları arasında dikkat çekmektedir.Tez kapsamında, mühendislik optimizasyon problemlerinden, sürekli, tamsayı ve ayrık değişken tipleri içeren kısıtlara sahip bir problemin, uygunluk fonksiyonu çerçevesinde optimize edilmesi hedeflenmiştir. PSO'da kısıtlar, Uygunluk Tabanlı Kurallar (UTK) yöntemi ile ele alınmıştır. PSO'nun yapısı gereği zamanla çözüm uzayının dışına çıkabilen değişken değerlerini arama uzayında sınırlandırmak için Emme, Yansıtma, Sönümleme, Görünmez, Görünmez Yansıtma ve Görünmez Sönümleme teknikleri kullanılarak, bu tekniklerin başarım karşılaştırmaları yapılmıştır.Yine PSO kümeleme algoritması olarak kullanılmış ve zambak çiçeğiverilerinin kümelenmesi gerçekleştirilmiştir. Kümeleme başarımı, Kümeleme Doğruluk İndeksi (KDİ) olarak adlandırılan üç farklı uygunluk fonksiyonu tarafından değerlendirilmiş ve sonuçlar karşılaştırılmıştır. Öncelikle yöneticisiz kümelemeyöntemleri kullanılarak küme sayısı bulunmaya çalışılmış, daha sonra yöneticili kümeleme yöntemi kullanılarak kümeleme başarımı ölçülmüştür.Ayrıca, Fuzzy C-Means (FCM) kümeleme algoritması ile PSO hibritleştirilmiş ve iki farklı yöntem, Küme Merkezine Dayalı FPSO (C-FPSO) ve Üyeliğe Dayalı FPSO (M-FPSO) ile kümeleme başarımları ölçülmüştür.
Özet (Çeviri)
Many algorithms in solving optimization problems are used. Particle Swarm Optimization (PSO), which is a population based evolutionary algorithm, is distinguished by the easiness in implementation and the speed in comparison to other optimization algorithms.In this thesis, it is aimed to optimize an engineering optimization problem that possesses different constraints including continuous, integer and discrete variable types by using fitness functions. The constraints of the problem are handled with Feasibility Based Rules (FBR) method. The techniques of Absorbing, Reflecting, Damping, Invisible, Invisible Reflecting, and Invisible Damping are used in order to limit the values of variables that over flow to the outside of the searching space. The performances of the aforementioned methods are compared to one another.Besides, iris flower data set is clustered by using PSO as a clustering algorithm. The clustering performance is evaluated by three fitness functions called as ClusteringValidity Indexes (CVI) and the results are compared. For this purpose, firstly, unsupervised clustering method is used in order to find the number of cluster, then, the supervised clustering method is employed for clustering performance measure.In addition, Fuzzy C-Means clustering algorithm (FCM) and PSO are hybridized and two different methods, Center Based FPSO (C-FPSO) and Membership Based FPSO (M-FPSO), are utilized for the performance measure of the hybrid clustering algorithm.
Benzer Tezler
- Kablosuz sensör ağlarında konum belirlemede optimizasyon yöntemlerinin karşılaştırılması
Comparison of optimization methods for localization in wireless sensor networks
AHMET SAMİ DOĞRU
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA EREN
- Multiclass classification of hepatic anomalies based on in vivo microwave dielectric properties
Hepatik anomalilerin in vivo mikrodalga dielektrik özelliklerine dayalı çok sınıflı sınıflandırılması
ZEYNEP GÜLSÜM BİLGEN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA YILMAZ ABDOLSAHEB
- Öneri sistemi modellerinde kullanılan makine öğrenmesi tekniklerinin müşteri satın alma tercihleri doğrultusunda karşılaştırılması
Comparison of machine learning techniques used in the recommender system models in accordance with customer purchase preferences
ÖMER UÇAN
- Takım tezgâhlarında optimal yörünge planlama: Evrimsel algoritmalar ve eğri uydurma yöntemleri ile performans iyileştirme
Optimal trajectory planning in machine tools: Performance improvement with evolutionary algorithms and curve fitting methods
GAMZE DEMİR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. REVNA ACAR VURAL
- Yapay zekâ yöntemlerinin yağış haritaları için mekânsal tahmin başarılarının incelenmesi
Examining the spatial estimation success of artificial intelligence methods for precipitation maps
MUSTAFA HÜSREVOĞLU
Doktora
Türkçe
2023
Jeodezi ve FotogrametriKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL BÜLENT GÜNDOĞDU