Geri Dön

Karınca kolonisi eniyilemesi algoritmaları için çaprazlama yöntemleri geliştirilmesi

Developing crossover methods for ant colony optimization algorithms

PDF İndir

  1. Tez No: 327222
  2. Yazar: OSMAN GÖKALP
  3. Danışmanlar: DOÇ. DR. AYBARS UĞUR
  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: 2012
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Karınca Kolonisi Eniyilemesi (KKE) algoritmaları, karınca türlerinin doğadaki yiyecek arama davranışlarından esinlenmekte ve birçok eniyileme probleminin çözümünde kullanılmaktadır. Genetik Algoritmalar (GA) da KKE gibi popülasyon tabanlı evrimsel algoritmalar arasındadır. Ancak, GA'ın güçlü bir yönü olan çaprazlama mekanizması klasik KKE içerisinde yer almamaktadır.Bu çalışma, KKE algoritmaları için feromon tabloları tabanlı çaprazlama yöntemleri önermektedir. Birbirinden bağımsız yapay karınca kolonileri tarafından üretilen feromon tabloları, birer kromozom olarak düşünülmektedir. Bu kromozomlar, çaprazlama işleçlerinin uygulanmasının ardından, bir sonraki nesildeki karınca kolonilerine feromon tablosu olarak verilmektedir. Çaprazlamanın uygulanmasındaki temel düşünce, farklı koloniler tarafından feromon izleri şeklinde depolanmış olan yerel bilginin paylaşılması, güçlü yönlerinin birleştirilmesi ve yerel eniyiye (local optimum) takılmadan, evrensel eniyi çözüme ulaşılma olasılığının artırılmasıdır.Geliştirilen yöntemler Gezgin Satıcı Problemi üzerinde, TSPLIB içerisinde yer alan bazı karşılaştırma problemleri ile Max-Min Karınca Sistemi algoritması kullanılarak test edilmiş ve elde edilen sonuçlar sunulmuştur. Deneyler ve karşılaştırmalar, çaprazlama mekanizmalarının, KKE algoritmalarının performansını iyileştirdiğini göstermektedir.

Özet (Çeviri)

Ant Colony Optimization (ACO) algorithms are inspired from the foraging behavior of ant species in the nature and have been used to solve many optimization problems. Similar to ACO, Genetic Algorithms (GA) are in population based evolutionary algorithms. However, as a strong feature of GA, crossover mechanism is not exist in classical ACO.This study proposes crossover mechanisms based on pheromone tables for ACO algorithms. Pheromone tables which are produced by independent artificial ant colonies are thought as chromosomes. After applying crossover operators to these chromosomes, they are given as an iput to next generation ant colonies. Main idea behind using crossover is to share local information that is deposited as pheromone trails by different colonies, combining their strong parts and so increasing the probability of reaching global optimum solution with avoiding from local optima.Methods that were developed were tested on Traveling Salesman Problem with some benchmark problems from TSPLIB using Max-Min Ant System algorithm and results are presented. Experiments and comparisons show that crossover mechanisms improve the performance of ACO algorithms.

Benzer Tezler

  1. Tez No

    328374

    Optimization of SPARQL queries using artificial intelligence techniques

    Yapay zeka teknikleri kullanılarak SPARQL sorgularının optimizasyonu

    ELEM GÜZEL KALAYCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. DERYA BİRANT

  2. Tez No

    200976

    Haberleşme şebekelerinin tasarımında sezgisel yaklaşımlar: Değişken komşu arama, kuş sürüsü optimizasyonu, karınca kolonisi optimizasyonu

    Heuristic approaches to design of communication networks: Variable neighborhood search, particle swarm optimization, ant colony optimization

    ÖNDER BELGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Endüstri ve Endüstri MühendisliğiGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. BERNA DENGİZ

    PROF. DR. FULYA ALTIPARMAK

  3. Tez No

    427924

    Atölye tipi çizelgeleme problemlerinde evrimsel algoritmalar ile yapay arı kolonisi algoritmasının bütünleşik bir yaklaşımı

    An integrated approach of evolutionary algorithms with artificial bee colony algorithm for job shop scheduling problems

    MÜMİN ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL HAKKI CEDİMOĞLU

  4. Tez No

    765699

    Kablosuz algılayıcı ağlarda küme başı seçiminde sezgisel algoritmaların performanslarının değerlendirilmesi

    Intuitive cluster head selection in wireless sensor networks evaluation of the performance of algorithms

    ABDÜLBAKİ DEMİREL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilim ve TeknolojiMuğla Sıtkı Koçman Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜRCAN ÇETİN

  5. Tez No

    233903

    Kapasitesiz tesis yeri seçimi problemi için karınca kolonisi en iyilemesi algoritmasına dayalı sezgisel bir yaklaşım

    A heuristic approach based on ant colony optimization algorithm for solving uncapacitated facility location problem

    EMRE ÇALIŞKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Endüstri ve Endüstri MühendisliğiGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. FULYA ALTIPARMAK

Geri Dön