Parçacık sürü optimizasyonu ve çoğalan sürü algoritmasının yüzey geri çatımı probleminde uygulanması ve karşılaştırılması
Application and comparision of the particle swarm optimization and breding swarms algorithm on the surface reconstruction problem
- Tez No: 398756
- Danışmanlar: DOÇ. DR. AHMET TURAN ÖZCERİT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Optimizasyon işlemi bir şeyi en iyi hale getirmek anlamına gelmektedir. Günlük yaşantımızda birçok alanda farkında olmadan optimizasyon işlemini uygulamaktayız. Gerek yolculuk yaparken, gerekse bir şeyler satın alınırken bir maliyet ve kazanç kıyaslaması yapmaktayız. Günümüzde bilgisayarlarında hızlanması ile daha büyük optimizasyon problemleri bilgisayarlar yardımıyla çözülebilmektedir ve bunun için birçok algoritma geliştirilmiştir. Ancak geliştirilen bu algoritmalar mutlak çözümü bulmak için üzerinde çalıştırıldıkları bilgisayarlar ne kadar hızlı olurlarsa olsunlar çok süre harcamaktadırlar. Bu sorunun çözümü için doğadan ilham alan meta sezgisel algoritmalar geliştirilmiştir. Bu algoritmalar tam çözüm yerine, bu çözme en yakın sonucu elde etmektedirler ve daha hızlı çalışmaktadırlar. Buna rağmen halen birçok eksik yönleri vardır ve bu eksiklikleri gidermek için ilgili algoritmanın bazı adımları farklı algoritmalar ile birleştirilerek melez algoritmalar oluşturulmaktadır. Bu tez çalışmasında, Parçacık Sürü Optimizasyonu (PSO) algoritması ile Çoğalan Sürü (ÇS) algoritmasının yüzey geri çatımı probleminin çözümü üzerindeki performansı karşılaştırılmıştır. Yüzey geri çatımı için tek düze olmayan rasyonel B-Spline (NURBS) parametrik yüzeyleri kullanılmıştır. Yapılan çalışmada, PSO algoritması ÇS algoritmasına göre daha iyi bir sonuç sergilemiştir. Ancak döngü sınırının sonuna dek arama çeşitliliği açısından ÇS algoritmasının daha baskın olduğu gözlemlenmiştir. Algoritmaların parametre ayarlarına göre sonuçların önemli miktarda değiştiği gözlenmiştir.
Özet (Çeviri)
Optimization process is to find the desired solution for a predefined problem. In our daily life we usually use this procedure i.e. in trading, in travelling. With the benefit of the advances on computer technology, much bigger and complex optimization problems can be solved with computers and therefore, many algorithms have been developed. Although these algorithms focus on the finding the exact solutions, they spend too many computational time no matter how the computer fast. To solve this problem, nature inspired meta-heuristic algorithms were developed. These algorithms find the approximate solution instead of the exact solution and they run fast although they have many drawbacks. To eliminate these drawbacks, the steps of meta-heuristic algorithms are combined with other algorithms; hence, hybrid algorithms are created. In this work, Breeding Swarms (BS) algorithm, which is a hybrid form of Particle Swarm Optimization (PSO) algorithm, has been compared with original algorithm on the efficiency of surface reconstruction problem's solution. NURBS surfaces are used on surface reconstruction problem. The results obtained from this thesis suggest that PSO algorithm has been proved better results than BS algorithm. However, BS algorithm's diversity of the search process is more dominant than other is. The fact that the results vary in drastically in regard with the parameter settings of the algorithms employed.
Benzer Tezler
- Parçacık sürü optimizasyonu ve Ziegler-Nichols metodunu kullanarak dc motorun hız kontrolü için pıd parametrelerinin belirlenmesi ve karşılaştırılması
Determination and Comparison of PID Parameters for Speed Control of DC Motor Using Particle Swarm Optimization and Ziegler-Nichols Method
VOLKAN DURUSU
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RIDVAN ÜNAL
- Parçacık sürü optimizasyonu ve elastik net düzenlemesine dayalı hibrit bir değişken seçim yöntemi
A hybrid feature selection method based on particle swarm optimization and elastic net regularization
BURAK ARKANÖZ
- Parçacık sürü optimizasyonu ve genetik algoritma kullanarak Türkiye'nin 2050 yılına kadar enerji tüketim tahmininin yapılması
The forecasting energy demand of Turkey by particle swarm optimization and genetic algorithm until 2050
EZEL ÖZKAN
Yüksek Lisans
Türkçe
2018
EnerjiOsmaniye Korkut Ata ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE YAKUT
- Parçacık sürü optimizasyonu ve veri madenciliği yöntemleriyle kümeleme analizi: İzmir'de kurulu bir firmanın müşterilerinin kümelenmesi uygulaması
Clustering analysis with particle swarm optimization and data mining methods: Application of a cluster of customers of a company established in Izmir
AYŞEGÜL CENGER
Yüksek Lisans
Türkçe
2018
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. MEHMET AKSARAYLI
- Parçacık sürü optimizasyonu ile anten tasarımı
Antenna design using particle swarm optimization
İLKE AKBULUT
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Bilim Dalı
PROF. DR. M. TAYFUN GÜNEL