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: Beslenme ve Diyetetik, Genetik, İstatistik, Nutrition and Dietetics, Genetics, Statistics
- 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: 69
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
- 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
- Dinamik ortamlar için istatiksel metotlar kullanan çoklu evrimsel algoritmalar
Multiploid evolutionary algorithms with statistical methods for dynamic environments
EMRULLAH GAZİOĞLU
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR
- Decentralized estimation under communication constraints
İletişim kısıtları altında dağıtık kestirim
MURAT ÜNEY
Doktora
İngilizce
2009
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL LEBLEBİCİOĞLU
YRD. DOÇ. DR. MÜJDAT ÇETİN
- Bayes tümleştirme teknikleri kullanılarak yüzey kurma ve ayrıt sezme
Visual surface recontruction and boundary detection using bayesian integration
BİLGE GÜNSEL
Doktora
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERDAL PANAYIRCI
- Novel swarm intelligence algorithms for structure learning of bayesian networks and a comparative evalnation
Bayes ağ yapılarının öğrenilmesi için yeni sürü zekası algoritmaları ve karşılaştırılmalı bir değerlendirme
SHAHAB WAHHAB KAREEM
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET CUDİ OKUR