Diferensiyel (farksal) gelişim algoritması kullanılarak kısıt yönetimi metotlarının sonuçlarının ve performanslarının karşılaştırılması
Comparison of constraint handling methods by using differential evolution algorithms
- Tez No: 317989
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA DANACI, DOÇ. DR. M. FATİH TAŞGETİREN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Diferansiyel Gelişim Algoritması, Uyarlamalı Ceza Fonksiyonları, Constraint Handling, Yakın Uygunluk Eşiği, Epsilon Kısıtlama Metodu, Differential Evolution Algorithm, Adaptive Penalty Functions, Constraint Handling, Near Feasibility Threshold, Epsilon Constraint Methods
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Gerçek hayattaki optimizasyon problemlerinin çoğu araştırma uzayının biçimini değiştiren fiziksel, zamansal, geometrik vb. farklı açılardan kısıtlamalara sahiptir. Doğrusal olmayan problemlerin çözümüne yönelik olarak geliştirilmiş birçok teknik söz konusudur. Özellikle değişken sayısına ve veri tiplerine bağlı olarak problemlerin zorluk dereceleri de artabilmektedir. Bu tip problemlerin deterministik yöntemlerle çözümü problemin özelliğine bağlı olarak hem modelleme de hem de çözüm sürecinde zorluklar içerebilmektedir. Bunların üstesinden gelebilmek için son 20 yıl boyunca çok fazla çeşitte sezgisel algoritmalar geliştirilmiş ve kısıtlı optimizasyon problemlerinin çözümünde kullanılmıştır. Sezgisel yöntemlerin kesin sonucu vermediği ancak makul sürede kesin çözüme yakın bir çözüm elde etmeyi sağladığı görülebilmektedir.Gelişimsel algoritmalar ve diğer birçok sezgisel algoritmalar, optimizasyon için kullanıldığında, doğal olarak kısıtlamasız araştırma teknikleri gibi kullanılmıştır. Bu yüzden uygunluk fonksiyonlarının içerisine kısıtlamaları da dâhil eden penaltı fonksiyonları gibi ilave bir mekanizmaya ihtiyaç duyulmaktadır. Bu ihtiyaca cevap veren popülasyon temelli sezgisel bir optimizasyon tekniğinin Diferansiyel(farksal) Gelişim Algoritması (DGA) olduğu görülebilmektedir. DGA kullanırken araştırmacılar sınırlamaların üstesinden gelmek için self-adaptive penalty, epsilon constraint handling, stochastic ranking gibi birtakım farklı yaklaşımlar önermektedir.Bu tez çalışmasında DGA ile birlikte kısıt yönetimi (constraint handling) metotlarından olan Near Feasibility Threshold ve Epsilon Constraint metotları, 18 kısıtlı test problemleri (Benchmark Problems) üzerinde uygulanmıştır. Bu uygulamalar neticesinde ortaya çıkan performanslara göre parametrelerin başarılı bir şekilde optimize edildiği ve Epsilon Constraint metodunun Near Feasibility Threshold metoduna olan bariz üstünlüğü gözlemlenmiştir.
Özet (Çeviri)
Most real world optimization problems have constraints of different types (e.g., physical, time, geometric, etc.) which modify the shape of the search space. There are several techniques developed for solving nonlinear optimization problems. These problems become more difficult related to the number of variables and types of parameters. Solution of these problems with deterministic methods may include difficulties in both modeling and solving depending on the type of the problem. During the last couple of decades, a wide variety of heuristics have been designed in order to overcome these difficulties and applied to solve constrained optimization problems. As can be noticed that Heuristics can provide an approximate solution near exact solution in admissible time.Evolutionary algorithms and most other heuristics, when used for optimization, naturally operate as unconstrained search techniques. Therefore, they require an additional mechanism as penalty functions to incorporate constraints into their fitness function. Differential Evolution Algorithm, an efficient population based heuristic optimization technique, is one of the soutions to this requirement. With Differential Evolution Algorithm, researchers have also proposed a number of other approaches to handle constraints such as the self-adaptive penalty, epsilon constraint handling and stochastic ranking.In this thesis, two constraint handling methods, namely, Near Feasibility Threshold and Epsilon Constraint Methods are employed in the differential evolution algorithm to solve 18 benchmark problems used in the literature. Experimental results showed that Epsilon Constraint method was superior to Near Feasibility Threshold Method.
Benzer Tezler
- Farksal aktif blok tabanlı analog devrelerin tasarımları, benzetimleri ve deneyleri
Designs, simulations and experiments of the differential active building block-based analog
TAYFUN UNUK
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN YÜCE
- Differential power analysis attack on a FPGA implementation of TEA
TEA uygulamasının FPGA gerçeklemelerine karşı diferansiyel güç analizi saldırısı
KENAN TÜRKSOY
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERNA ÖRS YALÇIN
- Design of slew rate controlled differential output driver
Yükselme eğimi kontrollü farksal çıkış sürücüsü tasarımı
ATILIM ERGÜL
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ TOKER
- Diferensiyel denklemlerin salınımlı çözümleri
Oscillation of solutions of differential equations
SONGÜL KAYA
Yüksek Lisans
Türkçe
1998
MatematikAnkara ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. HÜSEYİN BEREKETOĞLU
- Differential factors and differential cryptanalysis of block cipher pride
Diferensiyel faktörler ve pride blok şifresinin diferensiyel kript analizi
EROL DOĞAN
Yüksek Lisans
İngilizce
2017
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiSiber Güvenlik Bilim Dalı
DOÇ. DR. SEVGİ ÖZKAN YILDIRIM
DR. CİHANGİR TEZCAN