Karınca kolonisi optimizasyonu (ACO) ve parçacık sürü optimizasyonu (PSO) algoritmaları temelli bir hiyerarşik yaklaşım geliştirilmesi
Development of a hierarchical approach based on ant colony optimization (ACO) and particle swarm optimization (PSO) algorithms
- Tez No: 380915
- Danışmanlar: DOÇ. DR. ERKAN ÜLKER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Gezgin Satıcı Problemi, Karınca Kolonisi Optimizasyonu, Komşuluk Operatörleri, Metasezgisel Yöntemler, Optimizasyon, Parçacık Sürü Optimizasyonu, Sürü Zekâsı, Ant Colony Optimization, Metaheuristic Methods, Neighborhood Operators, Optimization, Particle Swarm Optimization, Swarm Intelligence, Travelling Salesman Problem
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Optimizasyon, herhangi bir sistemin olası tüm tasarımları arasından en iyisini bulmaktır. Belirli kısıtları olan bir problemin, sonucunu etkileyen parametre değerlerinin bulunarak, en kârlı sonucun minimum maliyetlerle belirlenmesini hedeflemek, problemin optimize edilmesi anlamını taşır. Optimizasyon problemlerini çözmek için kullanılan teknikler matematiksel ve sezgisel olarak sınıflandırılır. Matematiksel yöntemler, optimum sonucu bulabilseler de özellikle çözüm uzayı büyük olan problemlerin çözümlerinde çok fazla zaman harcamaktadırlar. Sezgisel yöntemler ise çözüm uzayının tümünü ele almadan sezgisel bir şekilde çok kısa sürelerde optimum sonuçlara ya da optimuma çok yakın sonuçlara ulaşabilmektedirler. Sezgisel algoritmalar, tüm tasarımlarda başarılı olmayabilir. Geliştirilen yöntemin her türden problemin çözümünde başarılı olmasını beklemek yerine hangi tür problemlerin çözümlerinde optimum sonuçlar ürettiğini bilerek buna göre sınıflandırılması uygundur. Optimizasyon alanındaki geliştirilen metasezgisel algoritmalardan bazıları doğada yaşayan bazı canlıların yaşamlarını devam ettirebilmek için sergiledikleri hareketlerden yola çıkarak ortaya çıktığı bilinmektedir. Doğal fenomenlerden esinlenen algoritmalardan Karınca Kolonisi Optimizasyonu (Ant Colony Optimization - KKO) özellikle ayrık optimizasyon problemlerin çözümünde, Parçacık Sürü Optimizasyonu (Particle Swarm Optimization - PSO) ise sürekli optimizasyon problemlerin çözümünde başarılı olmuşlardır. Optimizasyon problemlerinin çözümünde keşfedilen yöntemlerin buldukları sonuçları iyileştirmek için bu yöntemler geliştirilmiştir. Ayrıca bu çözüm yöntemlerinin birlikte çalışması ile elde edilen çözümlerin iyileştirilmesi izlenen başka bir yoldur. Bu tez çalışmasında, KKO yönteminin ürettiği sonuçların iyileştirilmesi için, bulduğu çözümleri hiyerarşik bir yapıda, ayrıklaştırılmış PSO yönteminin iyileştirmesi üzerine bu iki yöntemin birlikte çalışabileceği ele alınmıştır. Literatürde optimizasyon problemlerinin çözümünde sıkça kullanılan test fonksiyonlarından Gezgin Satıcı Problemi (Traveling Salesman Problem - GSP ) nin çözümünde, önerilen yöntem kullanılmıştır. Böylelikle hiyerarşik yöntemde uygun başlangıç çözümlerini üreten KKO algoritmasının bulduğu sonuçların PSO tarafından iyileştirilmesi sağlanmıştır. Ayrıca tez kapsamında, bu iki yöntemin hiyerarşik bir yaklaşımla komşuluk operatörleri yardımıyla birlikte çalışmaları test edilerek performans sonuçları verilmiştir. Tez kapsamında KKO ve PSO algoritmalarının yalın (standart) halleri de kullanılarak ürettiği sonuçlar saklanmış olup, önerilen hiyerarşik yaklaşımın, standart KKO ve standart PSO algoritmaları sonuçları ile kıyaslandığında daha iyi sonuçlar elde ettiği görülmüştür.
Özet (Çeviri)
Optimization is finding the best, in any system among all possible design. It means optimizing problem, aiming most profitable results with minimal cost determination, by finding the parameter values that influence the outcome of a problem with certain limitations. Techniques used to solve optimization problems are classified as mathematical and heuristic. Although mathematical methods may find optimal results, they are spending too much time on problems that especially have big solution space. But heuristic methods achieve optimum results or result that very close to optimum in a very short time in an intuitive way without addressing all of the solution space. Heuristic algorithms may not be successful in all designs. Instead of waiting for the developed methodology to be successful for solution of any kind of problems, with knowing producing optimum results in which type of problems, classification is appropriate according to this. Some of the meta-heuristics algorithms developed in the field of optimization based on movements of some animals living in nature that exhibit to continue their lives. Algorithms inspired from natural phenomena, Ant Colony Optimization (ACO) has been successful particularly in solution of discrete optimization problems, and Particle Swarm Optimization (PSO) in solution of continuous optimization problems. These methods have been developed to improve the results of methods discovered in the solution of optimization problems. Also it is an another way to improve the solutions obtained from solutions of cooperating methods. In this thesis, for improving the results from the ACO method, obtained solution could work together with improving discrete PSO method in a hierarchical structure is covered. The proposed method has been used in the solution of Traveling Salesman Problem (TSP) that used frequently as a function test at the solution of the optimization problem in the literature. Thus, results founded by ACO algorithm that produces the appropriate starting solution in a hierarchical method was improved by PSO. Also withins the scope of the thesis, these two methods tested by working together with the help of neighborhood operators in a hierarchical approach and performance results are given. Within the scope of the thesis, proposed hierarchical approach showed better results than the stored result produced by standard versions of ACO and PSO.
Benzer Tezler
- Optimizing rotary-wing UAV trajectory tracking: A comparative study of optimization methods
Döner kanatlı İHA yörünge takibinin optimize edilmesi: Optimizasyon yöntemlerinin karşılaştırmalı bir çalışması
AHMET SABAH
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT
- Cihazdan cihaza (D2D) haberleşmede zeki optimizasyon tekniklerini kullanarak kaynak tahsisi
Resource allocation using intelligent optimization techniques in D2D (device to device) communication
WISAM HAYDER MAHDI MAHDI
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECMİ TAŞPINAR
- Rüzgar parametrelerinin değişiminin izlenmesi ve yapay zeka algoritmaları kullanılarak tahmini
Monitoring of the change of wind parameters and estimation using artificial intelligence algorithms
ALPER KEREM
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ SAYGIN
- Medical dataset classification based on different deep learning techniques and meta-heuristic algorithms
Farklı derin öğrenme teknikleri ve meta-sezgisel algoritmalara dayalı tıbbi veri kümesi sınıflandırması
YEZI ALI KADHIM
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
PROF. DR. ALOK MISHRA
PROF. DR. REŞAT ÖZGÜR DORUK
- Kötü amaçlı android tabanlı yazılım tespitinin güncel meta-sezgisel algoritmalar ile karşılaştırmalı analizi
Comparative analysis of malicious android based software detection with recent metaheuristic algorithms
MEHMET ŞİRİN BEŞTAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM BATUR DİNLER