Bayesci optimizasyon algoritmasının beslenme probleminde kullanımı
The use of bayesian optimization algorithm for feeding problem
- Tez No: 341460
- Danışmanlar: YRD. DOÇ. DR. TALAT ŞENEL
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Beslenme ve Diyetetik, Genetik, Statistics, Nutrition and Dietetics, Genetics
- Anahtar Kelimeler: BOA, Doğrusal Programlama, Dağılım Algoritmalarının Tahmini, Beslenme, Bayesci Ağ, BOA, Linear Programming, Estimation Distribution Algorithm, Feeding, Bayesian Network
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda karmaşık problemlerin çözümünde geleneksel yöntemlerin yetersiz kalması, yeni çözüm teknikleri arayışlarını gündeme getirmiştir. Genetik Algoritmalar (GA), bu arayışların sonucu olarak ortaya çıkan tekniklerdir. Genetik Algoritmalarda değişimi sağlamak amacıyla çaprazlama ve mutasyon operatörleri kullanılmaktadır. Ancak son yıllarda değişimi sağlamak için, çaprazlama ve mutasyon operatörlerinin yerine dağılımın tahmin edilip, örneklenmesini içeren olasılıksal model yaklaşımı önerilmiştir. Olasılıksal model yaklaşımında, populasyondan elde edilen çözümlerin olasılık dağılımı bulunur ve yeni nesiller bu olasılık dağılımı yardımıyla oluşturulur. Olasılıksal model yaklaşımını kullanan algoritmalara Dağılımın Tahmini Algoritmaları (EDA) adı verilmektedir. EDA?lar optimizasyon için güçlü bir teknik olarak kabul edilmektedir. Çoğu zaman GA?ların yetersiz kaldığı durumlarda problemleri başarılı bir şekilde çözmektedirler. EDA?nın performansı, olasılık dağılımının nasıl tahmin edildiği ve bu tahminler yardımıyla populasyondan örneklemin nasıl çekildiğine göre değişir. Çoğu EDA çalışmaları bunun üzerine yoğunlaşmıştır. Özellikle, yönlü grafiksel modeller olarak da bilinen Bayesci Ağlar bu alanda geniş olarak yer almaktadır ve dağılımın tahmin edilip, örneklenmesi sürecinde önemli bir role sahiptir. Bu çalışmada, dağılımın tahmin edilip örneklenebilmesinde, çok değişkenli EDA algoritmalarından biri olan ve aynı zamanda yönlü grafiksel modele sahip olan Bayesci Optimizasyon Algoritması (BOA) incelenmiştir. Daha sonra beslenme probleminin çözümünde Bayesci Optimizasyon Algoritması uygulanmıştır. Elde edilen sonuçlar Doğrusal Programlama (DP) ve GA çözüm sonuçları ile karşılaştırılmıştır. Karşılaştırmalar sonunda, zaman avantajı sağlaması ve maliyeti düşürmesi bakımından sabah kahvaltısı için beslenme probleminin çözümünde BOA?nın, DP ve GA?ya göre daha etkin sonuçlar verdiği görülmüştür.
Özet (Çeviri)
Over the last few decades, the traditional methods are not enough to solve complex problems, to seek a new solution techniques have raised. Genetic Algorithms (GA), as a result of this search, emerging techniques. Crossover and mutation operators in order to exchange Genetic Algorithms are used. But in recent years to ensure that exchange, instead of crossover and mutation operators to predict and distribution, including sampling method is proposed probabilistic model. This way, the population is obtained from the probability distribution solutions and new generations are created with the help of this probability distribution. Estimation of Distribution Algorithms (EDA) that use this approach on algorithms is called. EDA is recognized as a powerful technique for optimization. Most of the time successfully solved problems in case of failure of GA. An EDA performance, how to anticipate the probability distribution, sampling will be directly related. Most of the studies that have focused on EDA. Specifically, versatile graphical models known as Bayesian Networks in this area is extensive and predict and distribution, has been a useful approach in the sampling process. In this study, Bayesian Optimization Algorithm (BOA) which is one of the a multivariate EDA algorithms with graphical model has been examined. BOA then applied to the problem of nutrition for breakfast. At the end of the comparisons, the problem of recommended diet for breakfast, BOA include more effective results compared to Genetic Algorithm and Linear Programming. BOA has reduced the time and the cost advantage provided.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Mikrokanonikal optimizasyon algoritması ile konvolüsyonel sinir ağlarında hiper parametrelerin optimize edilmesi
Optimization of hyper parameters in convolutional neural networks by microcanonical optimization algorithm
ZEKİ KUŞ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYLA GÜLCÜ
- Düşük akıntı hızlarında düşey eksenli hidrokinetik türbinlerin çok sadakatli vekil model ile optimizasyonu
Optimization of vertical axis hydrokinetic turbines at low speeds via multi-fidelity surrogate model
OĞUZ SUSAM
Doktora
Türkçe
2026
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER GÖREN
- Yansıtıcı dizi anten birim hücrelerinin pca ve bayesçi optimizasyon destekli yapay sinir ağları ile modellenmesi
Modeling of reflectarray antenna unit cells using pca and bayesian optimization-aided artificial neural networks
MUHAMMET TARIK ERKAN YILDIZ
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. PEYMAN MAHOUTİ
- Etiketsiz metin verisinin analizinde derin öğrenme yaklaşımı
A deep learning approach for the analysis of unlabeled text data
BÜŞRA AYAN PARTAL