Impact of sensor detection schemes on performance of evolutionary dynamic optimization techniques
Sensör tabanlı değişim yakalama şemalarının evrimsel dinamik optimizasyon tekniklerinin performansına etkisi
- Tez No: 394341
- Danışmanlar: PROF. DR. HALUK RAHMİ TOPÇUOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Dinamik bir optimizasyon probleminde hedef fonksiyon, problem kısıtları veya karar değişkenleri değişebilir. Durağan bir optimizasyon probleminin aksine amaç, değişen en iyi çözümü olabildiğince yakın takip edebilmektir. Evrimsel algoritmalar dinamik optimizasyon problemlerini çözmede en sık kullanılan tekniklerdendir. Dinamik ortamdaki algoritmalar ortamdaki değişimin önceden bilindiğini, özellikle bazı değerlendirme problemleri için, ya da değişimin berlilenmesi gerektiğini varsayarlar. Bununla birlikte, dinamik ortamdaki değişimin olduğu anların belirlenmesi bir çok evrimsel dinamik optimizasyon tekniği için kritik bir süreçtir. Bu çalışmada, çeşitli sensor tabanlı değişim yakalama şemalarının performans değerlendirmesi iyi bilinen iki dinamik optimizasyon problemi olan Hareket Eden Tepeler ve Dinamik Çanta Problemi ile değerlendirildi. Değişim yakalama şemalarının performansları, yakalanan değişimlerin ortamdaki toplam değişime oranı ve değişimi yakalamak için kullanılan sensör sayısına göre değerlendirildi. Ayrıca, sensörlerin ortamdaki değişimin şiddetini tespit etme kapasitesi değerlendirildi. Tespit edilen değişimler bilinen dinamik optimizasyon sezgisellerinin parametrelerini değiştirmede kullanıldı. Belirlenen dört dinamik optimizasyon tekniği üzerinde, sensör tabanlı değişim yakalama ve şiddetini ölçme şemaları ile dinamik optimizasyon sezgiselleri üzerinde performans artışı gözlendi. Deneysel sonuçlar, hibrit yaklaşımımızın birçok farklı karakteristikteki dinamik ortamlarda, referans algoritmalardan daha iyi performans ortaya koyduğunu gösterdi.
Özet (Çeviri)
In a dynamic optimization problem, the objective function, the problem constraints or the decision variables may change over time, where the main motivation is to track the global optimum value as close as possible. Most of the real world problems in different domains have various characteristics of dynamism. Evolutionary algorithms are among the most common techniques that have been developed to address dynamic optimization problems. They either assume that changes in the environment are known a priori, especially for some of the benchmark problems, or they have to detect the changes. Detecting the points in time where a change occurs in the landscape is a critical issue for a large number of evolutionary dynamic optimization techniques. In this thesis, we focus on performance evaluation of various sensor-based detection schemes by using two well known dynamic optimization problems, which are moving peaks benchmark (MPB) and dynamic knapsack problem (DKP). Our empirical study validates the performance of sensor-based detection schemes considered in this study, by using the average rate of correctly identified changes and the number of sensors invoked to detect a change. We also propose a new mechanism to evaluate the capability of the detection schemes for severity of changes. Additionally, a novel hybrid approach is proposed by integrating the change detection schemes with evolutionary dynamic optimization (EDO) techniques in order to set algorithm-specific parameters dynamically. Four EDO techniques are enhanced with detection schemes, where the ratio of change severity values are utilized to set the values of algorithm-specific parameters. The experimental evaluation validates that our extensions outperform the reference techniques for various characteristics of dynamism.
Benzer Tezler
- Linking multi-year and multi-sensor land cover data towater yield in the nueces headwaters watershed of Texas
Başlık çevirisi yok
YAVUZ DÖNER
- Otomatik üretim kontrolü sistemlerine yapılan yanlış veri enjeksiyon saldırılarının torbalama ağaçları algoritması ile tespiti
Detection of false data injection attacks on automatic generation control systems with bagged trees algorithm
ATAKAN ÖZTÜRK
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Implementation of digital detection scheme for fiber optic gyroscope
Fiber optik dönüölçer için sayısal algılama şemasının gerçeklenmesi
SERDAR ÖĞÜT
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN AYTÜR
- Biomaterial-integrated metasurfaces for biomarker detection
Biyobelirteç tespiti için biyomateryal entegre edilmiş meta yüzeyler
ESMA DERİN
Yüksek Lisans
İngilizce
2022
Biyolojiİhsan Doğramacı Bilkent ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH İNCİ
- SAR imaging for non-destructive testing with commercial radar platforms
Ticari radar platformlarıyla tahribatsız muayene için SAR görüntüleme
BENGİSU YALÇINKAYA
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF AYDIN
PROF. DR. ALİ KARA