Geri Dön

Sürü tabanlı çok hedefli optimizasyon yöntemleri için yakınsama performansının incelenmesi ve geliştirilmesi

The investigation and development of convergence performance of swarm-based multiobjective optimization methods

PDF İndir

  1. Tez No: 478371
  2. Yazar: INTISAR KHALAF SALEH
  3. Danışmanlar: YRD. DOÇ. DR. UFUK ÖZKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Çok hedefli optimizasyon, Parçacık sürü optimizasyonu, Pareto eğrisi, Ceza fonksiyonu, dışlama mesafesi, Multiobjective optimization, Particle swarm optimization, Nondominated, Pareto front, Penalty function, Crowding distance
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 87

Özet

Bu çalışma kapsamında, literatürde mevcut değişken sayıda hedef fonksiyonuna ve değişken sayıda karar değişkenlerine sahip, on üç iyi bilinen ve sınırlandırılmamış optimizasyon test fonksiyonuna yönelik Pareto eğrisini elde etmek amacıyla yeni bir çok-hedefli parçacık sürü optimizasyonu algoritması geliştirilmiştir. Kutupsal koordinat sistemi kapsamında gerçek Pareto eğrisini elde edebilmek için sürü içerisinde yer alan her bir parçacık (leniyi) için en iyi yerel rehberi tayin etmek için bir Asgari Açısal Mesafe Bilgisi (MADI) tekniği kullanılmıştır. Her tekrarda her sürü içerisinde yer alan domine edilmemiş parçacıklar kümesini belirlemek için hızlı, basit ve etkin bir algoritma kullanılmıştır. Her tekrar sonunda domine edilmemiş parçacıkları saklamak için bir harici bellek (arşiv) kullanılır ve bu arşivin büyüklüğünü muhafaza etmek ve gerçek ve kesin bir Pareto eğrisi çizmek için kullanılan birleştirilmiş domine edilmemiş parçacıkların yoğunluğunu muhafaza edebilmek için de bir dışlama mesafesi tekniğinden yararlanılmıştır. Kısıtlayıcı işlevleri idare edebilmek ve güncel bir tekrar sırasında kısıt ihlali sayılarına dayalı olarak yeni cezalandırılmış hedef fonksiyonlarını asıl hedef fonksiyonlarına dönüştürebilmek için ise bir kendini-uyarlayabilen bir penaltı fonksiyonu tekniğinden faydalınılmıştır. Geliştirilen algoritma Matlab platforumunda gerçeklenmiş ve literatürde mevcut on üç iyi bilinen test fonksiyounua uygulanarak performansı doğrulanmıştır. Hesaplanan deneysel test sonuçları, Pareto eğrisi şu üç metrik kapsamında sunulmuştur: Sunulan algoritmanın gerçekçi bir şekilde doğrulanıp doğrulanmadığını incelemek için kullanılan Nesilsel Mesafe (GD), Aralık (S) ve Hata Oranı (ER), daha önce gerçekleştirilen çalışmalar ve algoritmalardan elde edilen sonuçlarla iyi uyum göstermektedir. Aynı zamanda söz konusu sonuçlar, sunulan algoritmanın test edilen tüm test fonksiyonlarına yönelik gerçek bir Pareto eğrisini etkin bir şekilde belirleyebileceğini de göstermektedir. Farklı mühendislik ve tıbbi fonksiyonlara yönelik sunulan çok hedefli parçacık sürü optimizasyonu algoritmasının uygulama alanları ve diğer genel algoritmalarla yapılan karşılaştırmalar, sonraki çalışmalar olarak ileri sürülmektedir.

Özet (Çeviri)

A new multiobjective particle swarm optimization algorithm is developed in this study to get the Pareto front for thirteen well-known constrained and unconstrained optimization test problems with a variable number of objective functions and a variable number of decision variables available in literature. A Minimum Angular Distance Information (MADI) technique is used to assign the best local guide to each particle (lbest) within the swarm to get the real Pareto front in the polar coordinate system. A fast, simple, and efficient algorithm is followed to determine the nondominated set of particles within the whole swarm at each iteration. An external repository (archive) is used to store these nondominated particles at the end of each iteration, and a crowding distance technique is used to maintain the size of archive and to maintain the diversity of the converged nondominated particles used to draw a real and accurate Pareto front. A self-adaptive penalty function technique is followed to handle the constraint functions and to transform the original objective functions into new penalized objective functions based on their amount of constraint violation at a current iteration. The developed algorithm is coded by Matlab formulas, and verified using thirteen well-known test problems available in literature. Calculated experimental test results, represented in Pareto front and three metrics, which are: Generational Distance (GD), Spacing (S), and Error Ratio (ER) used to examine the realistic verification of the proposed algorithm, show good agreement with the given results gained from previous studies and algorithms. These results, also, indicate that the proposed algorithm can efficiently determine the real Pareto front for all the tested problems. Applications of the proposed multiobjective particle swarm optimization algorithm to different engineering and medical problems, and more comparisons with other common algorithms, are suggested as future works.

Benzer Tezler

  1. Tez No

    844974

    Multi-objective optimization model for trade-offs in construction projects

    İnşaat projelerinde ödünleşimler için çok amaçlı optimizasyon modeli

    HARUN TÜRKOĞLU

    Doktora

    İngilizce

    İngilizce

    2023

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜL POLAT TATAR

  2. Tez No

    714559

    Design and optimization of two stage launch vehicles with the same liquid propellant rocket engines in both stages

    Aynı sıvı yakıtlı roket motorlarını her iki kademesinde de kullanan fırlatma araçlarının tasarım ve optimizasyonu

    KUBİLAY ÖZÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİM RÜSTEM ASLAN

  3. Tez No

    671644

    Çok amaçlı optimizasyon problemlerinin çözümü için Kurbağa Sıçrama ve Gri Kurt Optimizasyonu algoritmaları tabanlı hibrit bir yöntemin geliştirilmesi

    Developing a hybrid method based on Shuffled Frog Leaping and Gray Wolf Optimization algorithms to solve multi-objective optimization problems

    MURAT KARAKOYUN

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİFE KODAZ

  4. Tez No

    421065

    A methodology for energy optimization of buildings considering simultaneously building envelope HVAC and renewable system parameters

    Binalarda yapı kabuğu, mekanik sistemler ve yenilenebilir enerji sistemleri parametrelerinin eş zamanlı enerji optimizasyonu için bir yöntem

    MELTEM BAYRAKTAR

    Doktora

    İngilizce

    İngilizce

    2015

    Enerjiİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    PROF. DR. AYŞE ZERRİN YILMAZ

    PROF. DR. MARCO PERINO

  5. Tez No

    470696

    Enhancing fireworks algorithm for dynamic optimization problems

    Dinamik eniyileme problemleri için havai fişek algoritmasının geliştirilmesi

    HAKAN PEKDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HALUK RAHMİ TOPCUOĞLU

Geri Dön