Geri Dön

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

  1. Tez No: 398756
  2. Yazar: HÜSEYİN DEMİRCİ
  3. Danışmanlar: DOÇ. DR. AHMET TURAN ÖZCERİT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiAfyon Kocatepe Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. RIDVAN ÜNAL

  2. 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

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İstatistikMarmara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. DENİZ İNAN

  3. 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

    Türkçe

    2018

    EnerjiOsmaniye Korkut Ata Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE YAKUT

  4. 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

    Türkçe

    2018

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. MEHMET AKSARAYLI

  5. Parçacık sürü optimizasyonu ile anten tasarımı

    Antenna design using particle swarm optimization

    İLKE AKBULUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Uydu Haberleşmesi ve Uzaktan Algılama Bilim Dalı

    PROF. DR. M. TAYFUN GÜNEL