Bulanık model parametrelerinin belirlenmesinde yapay arı kolonisi algoritmasının performansının incelenmesi
Investigation of artificial bee colony algorithm performance in determination of fuzzy model parameters
- Tez No: 467807
- Danışmanlar: DOÇ. DR. AYTEKİN BAĞIŞ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 130
Özet
Farklı özellikteki birçok sistem için uygun denetim yapısının tasarlanması ve/veya tasarlanan denetim yapısına ait en uygun sistem parametrelerinin belirlenmesi her zaman önemini ve karmaşıklığını koruyan kontrol problemleri arasında yer almıştır. Bulanık kural yapılarına dayalı modellerin kullanımı, klasik modellerle ve denetim yaklaşımlarıyla çözümü zor olan sistemler için çoğu zaman etkili sonuçlar sunabilmektedir. Sistem performansı açısından daha etkili sonuçlar elde etmek için bulanık model yapısına ait parametrelerin yapay zekaya dayalı çeşitli algoritmalarla belirlenmesi de sıklıkla başvurulan yöntemler arasındadır. Bu tez çalışmasında, Sugeno, Mamdani ve tek değer çıkışa sahip farklı bulanık model yapılarına ait parametre değerleri yapay arı kolonisi algoritması (YAK) (Artificial Bee Colony, ABC) kullanılarak elde edilmiştir. Oluşturulan bulanık model yapılarının performansının değerlendirilmesinde; antenin band genişliğinin hesaplanması problemi, Box Jenkins'in gaz fırın problemi, doğrusal olmayan diferansiyel eşitlik problemi, glikoz konsantrasyon problemi ve uçuş kontrol sistemine ait hız ve yakıt tahmin problemi kullanılmıştır. Önerilen YAK algoritması tabanlı bulanık model yapısı, parçacık sürüsü optimizasyonu (Particle Swarm Optimization, PSO) ve diferansiyel gelişim (DG) (Differential Evolution, DE) algoritmalarıyla karşılaştırılmıştır. Bu karşılaştırmalarda model başarısını ortaya koyabilmek için değerlendirme ölçütü olarak ortalama karesel hata (Mean Squared Error, MSE) değeri kullanılmıştır. Ortalama MSE, en iyi MSE, en kötü MSE ve standart sapma değerlerine bakılarak YAK algoritmasının, DG ve PSO algoritmalarına kıyasla benzer ya da daha iyi sonuçlar verdiği görülmüştür.
Özet (Çeviri)
The design of appropriate control structure for many systems with different features and/or the determination of the most appropriate system parameters associated with the designed control structure have been among the control problems that always maintain their importance and complexity. The use of models based on fuzzy rule structures can often provide effective results for systems that are difficult to solve with classical modeling and control approaches. In order to obtain more effective results in terms of system performance, determining the parameters of the fuzzy model structure by using various algorithms based on artificial intelligence are also among the most used methods. In this thesis study, the parameter values of different fuzzy model structures that are Sugeno, Mamdani or single value output are obtained by using artificial bee colony (ABC) algorithm. In evaluating the performance of the proposed fuzzy model structures; the problem of determining the antenna's bandwidth, Box Jenkins gas furnace problem, nonlinear differential equation problem, glucose concentration problem, and the velocity and fuel estimation problem of the flight control system are used. The proposed fuzzy model structure based on ABC algorithm is compared with Particle Swarm Optimization (PSO) and Differential Evolution (DE) algorithms. In these comparisons, the mean squared error (MSE) value is used as the evaluation criterion in order to demonstrate the modeling performance. The ABC algorithm has showed similar or better results than the DG and PSO algorithms considering average MSE, best MSE, worst MSE, and standard deviation values.
Benzer Tezler
- Yapay zeka algoritmaları kullanılarak sistem modelleme
System modelling by using artificial intelligence algorithms
SAADET BAĞIŞ
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ. DR. ŞABAN ÖZER
- Bulanık regresyon analizinde Monte Carlo yöntemi ve uzman sistemler
Monte Carlo method in fuzzy regression analysis and expert systems
DUYGU İÇEN
- Bulanık mantık sistemleri ile çeşitli tipteki mikroşerit antenlerin karakteristik parametrelerinin hesaplanması
Computation of characteristic parameters of various type microstrip antennas with the use of fuzzy inference systems
NURCAN SARIKAYA BAŞTÜRK
Doktora
Türkçe
2009
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KERİM GÜNEY
- Doğal lifli kompozitlerin ses yutma performanslarının belirlenmesinde laboratuvar çalışması ve yapay zeka yaklaşımı: su kabağı lifleri-epoksi kompoziti örneği
A laboratory study and artificial intelligence approach in determining sound absorption performance of natural fiber composites: a case study of luffa cylindrica fibers-epoxy composite
OYA KESKİN
- Evaluation of model-based predictive control methods in high-speed automated ground vehicle path following
Yüksek hızlı bir otonom kara taşıtının yörünge takibinde model bazlı öngörülü kontrol yöntemlerinin değerlendirilmesi
VOLKAN BEKİR YANGIN
Doktora
İngilizce
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGEN AKALIN