A novel particle swarm optimization algorithm
Yeni bir parçacık sürü optimizasyon algoritması
- Tez No: 350507
- Danışmanlar: DOÇ. DR. ŞİMA ETANER UYAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Parçacık Sürü Optimizasyonu (Particle Swarm Optimization) (PSO) 1995'te Dr. Eberhart ve Dr. Kennedy tarafından geliştirilmiş popülasyon temelli sezgisel bir optimizasyon tekniğidir. Bu tekniğin bilinen dezavantajı, gerçek optimumu bulmadan önce erken yakınsama sergilenmesidir. Bu çalışmada, literatürde geleneksel hale gelen ve yeni parçacıkları popülasyona yeniden enjekte etmeyi öneren yöntemlere karşın, parçacıkları harici belleklerden alınan bilgilere göre yönlendiren yeni bir parçacık sürü optimizasyon algoritmasını sunmaktadır.Bunun için, parçacığın harici bellekteki parçacıklar arasından, parçacığa en yakın olan en iyi ve en kötü parçacığa uzaklığı hesaplanıp bir katsayi üretilmektedir. Sonra her parçacık için hız bileşenini hesaplarken bu katsayı belli bir olasılıkla mevcut hıza eklenmektedir.Ayrıca randomize bir üst ve alt sınır inertia için tanınmaktadır. Algoritmada inertia bileşeni üst sınırden başlayıp ve her parçacığı değerlendirdikten sonra küçük bir değerle non-linear bir şekilde azaltılmaktadır. Inertia bileşeni randomize alt sınıra ulaştığı zaman, bu bileşenin değeri randomize üst sınırın değeriyle sıfırlamaktadır.Çıkan PSO evrensel optima'yi orijinal PSO'den daha hızlı bulmaktadır. Bu algoritma en güncel PSO'ların arasında olan CLPSO algoritmasından daha hızlı olduğunu ve daha kaliteli çözümler ürettiğini ortaya çıkarılmıştır. Ayrıca literatürde en iyi ve güncel optimizasyon algoritmaların arasında olan CMA-ES algoritması de kıyaslamak amacıyla seçilmiştir. Deneylerin sonucunda, CMA-ES'in genelde PSO'den daha iyi olmasına rağmen, bazi durumlarda, sunulan yöntemin daha üstün bir performans sergilediği ortaya çıkarılmıştır. Evrensel optima'yı gösteren evrensel bir topolojinin eksik olduğu veya havzasının çeker hacmı küçük olan problemlerde, sunulan algoritma daha hızlı davrandığı gösterilmiştir. Deneyler, standart kriter olan fonksyonlar ve simülatör ortamındaki Aldebaran NAO robotun kick hareketi için uygulamaktadır.
Özet (Çeviri)
Particle Swarm Optimization (PSO) (Kennedy and Eberhart, 1995), which is a population-based global search method is known to suffer from premature convergence prior to discovering the true global minimizer. In this thesis, a novel memory-based method is proposed which aims to guide the particles through the information deduced from the external memory contents rather than to re-inject them into the population.This is done by calculating a coefficient, based on the distance of the current particle to the closest best and closest worst particles in the external memory at each iteration. Later, when updating the velocity component, this coefficient is added to the current velocity of the particle with a certain probability.Also randomized upper bound and lower bound values have been defined for the inertia component. The algorithm starts with the upper bound value of the inertia. At each particle evaluation the inertia is decreased non-linearly with a small value and when its value reaches the lower bound, the inertia value is reset to its upper bound.The resulting PSO finds the global optima much faster than the original PSO and it have been shown that it also performs better compared with a recent improvement of PSO, CLSPO namely. A state-of-the-art algorithm, CMA-ES (Covariance Matrix Adaptation Evolutionary Strategy), has also been chosen for comparison purposes. It has been shown by experiments that although the CMA-ES shows a better performance than that of our algorithm, in some cases where the overall topology pointing to the global optimum is missing and the attractor volume of global optimum is small, our algorithm performs better and finds the desired optimum value of the function in lesser evaluation counts. The tests have been consucted on standard benchmark functions as well as a simulation of the Aldebaran NAO robot for developing a kick action.
Benzer Tezler
- A novel geometry parameterization, optimization and simulation of realistic AL2O3-based optical waveguide Y-branches
Gerçekçi AL2O3 tabanlı Y-dallı optik dalga kılavuzlarında yeni bir geometri parameterizasyonu, optimizasyonu ve simülasyonu
JIHAD AWAD
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FERİDUN AY
- A novel optimization algorithm EMEL: Exploration of moving and ever-shrinking layers
Yeni bir optimizasyon algoritması EMEL: Hareketli ve sürekli küçülen katmanlarla arama
BİLAL İŞÇİMEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET SARIGÜL
- Hybrid particle swarm optimization algorithm for obtaining Pareto front of discrete time-cost trade-off problem
Kesikli zaman-maliyet ödünleşim problemlerinde Pareto eğrisinin melez kuş sürüsü optimizasyon algoritmasi ıle oluşturulmasi
SAMAN AMİNBAKHSH
Yüksek Lisans
İngilizce
2013
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. RIFAT SÖNMEZ
- Enhancing the performance of a maximum power point tracking system using an improved particle swarm optimization method
Gelişmiş parçacık sürü optimizasyonu yöntemiyle bir maksimum güç noktası takip sisteminin performansının iyileştirilmesi
MAMOON ABDULWAHHAB AHMED AHMED
Yüksek Lisans
İngilizce
2023
Mekatronik MühendisliğiBahçeşehir ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAFER İŞCAN
- Parçacık sürüsü optimizasyonu ve k-ortalamaları algoritmalarıyla güç dağıtım şebekeleri belirsizlik koşullarında dağıtık üretimlerin optimal yerleşimi
Optimal placement of distributed generation in power distribution networks under uncertainties using particle swarm optimization and k-means algorithms
ONUR HAKKI EYÜBOĞLU
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER GÜL