Meyve sineği ve kurbağa algoritmaları temelli hibrit yöntemlerin geliştirilmesi ve performans analizi
Development and performance analysis of fruit fly and frog leaping algorithms based on hybrid methods
- Tez No: 637636
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA DANACI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Benchmark Fonksiyonları, Sezgisel ve Meta-sezgisel algoritmalar, Meyve Sineği Optimizasyon Algoritması, Sinüs Kosinüs Optimizasyon Algoritması, Kurbağa Algoritması, Parçacık Sürüsü Optimizasyon Algoritması
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Optimizasyon, bir dizi alternatif içinde belirli bir konuya en uygun çözümlerin keşfi veya araştırılmasıyla ilgilenen bir bilim dalıdır. Optimizasyon Problemlerini çözmek için Genetik Algoritması-GA (Genetic Algorithm-GA), Parçacık Sürüsü Optimizasyon algoritması-PSO (Particle Swarm Optimization Algorithm-PSO), Yapay Arı Kolonisi-YAK (Artificial Bee Colony-ABC), vb. gibi birçok algoritma geliştirilmiştir. Meyve Sineği Optimizasyonu Algoritması-MSA (Fruit Fly Optimization Algorithm-FOA) bu algoritmaların bir başkasıdır. Bu algoritma, 2011 yılında Wen Tsao Pan tarafından tanıtılan en yeni evrimsel hesaplama tekniklerinden biridir. MSA, meyve sineğinin yiyecek bulma davranışını temel alan akıllı bir yöntemdir. Sinüs Kosinüs Algoritması-SKA (Sine Cosine Algorithm-SCA), 2016 yılında S. Mirjalili tarafından yeni geliştirilen basit bir popülasyona dayalı optimizasyon yöntemidir. Adından da anlaşılacağı gibi, bu algoritma optimizasyon problemlerini çözmek için sinüs ve kosinüs fonksiyonlarına dayanan matematiksel bir model kullanır. Bu tez çalışmasında iki hibrit algoritma geliştirilmiştır. İlkinde, lokal optimuma düşmekten kaçınmak, en uygun çözümü bulmak, kullanılan güncelleme stratejilerinin zayıflığının üstesinden gelmek için güçlü güncelleme ve mükemmel arama yetenekleri olan SCA kullanarak yeni bir Hibrit Meyve Sineği Optimizasyonu algoritması-HMSA (Hybrid Fruit Fly Optimization Algorithm-HFOA) geliştirildi. Geliştirilen bu algoritma, 23 Benchmark fonksiyonu üzerinde test edilerek diğer optimizasyon algoritmaları ile performasyonları karşılaştırıldı. Elde edilen sonuçlar, literatürde yer alan diğer meta-sezgisel algoritmalara göre yeni HMSA'nın daha iyi başarı ve etkinliğe sahip olduğunu göstermiştir. İkinci geliştirilen hibrit algoritmada kullanılan Kurbağa Algoritması-KA ( Frog Leaping Algorithm-FLA) popülasyon tabanlı bir algoritma olup,“memeplexes”adı verilen birkaç gruba bölünmüş kurbağa setinden oluşur. En iyi kurbağa ile en kötü kurbağa arasındaki mesafe çok küçük olduğunda KA lokal optimumda sıkışır. Bu nedenle lokal optimuma düşmemek ve daha iyi verimlilik elde etmek için PSO algoritması kullanılarak yeni bir hibrit algoritma geliştirilmiştir. Böylece, PSO'daki hız faktörü kullanılarak en iyi kurbağanın bir sonraki pozisyonu belirlenerek global çözüme daha hızlı ulaşılması sağlanmıştır. Geliştirilen bu hibrit algoritma 23 Benchmark fonksiyonuna uygulanmış ve bu fonksiyonların çözümünde çok yüksek performans göstermiştir. Elde edilen sonuçlara göre, HKA'nın literatürde yer alan diğer algoritmaların birçoğundan daha iyi sonuçlar verdiği ve optimizasyon problemlerini çözümünde daha etkili olduğu gözlenmiştir. Parçacık Sürüsü Optimizasyon Algoritmasının (PSO) avantajlarını kullanarak, Benchmark optimizasyon problemlerini çözmek için geliştirilen Hibrit Kurbağa Algoritması daha fazla verimlilik ve sağlamlık gösterdi. Test fonksiyonları, HKA'nın Hibrit Meyve Sineği Optimizasyon Algoritmasından daha üstün bir performans sergilediğini göstermektedir. Matematiksel sonuçlar ise, HKA'nın Benchmark problemlerini çözmek için güçlü optimizasyon yeteneği ve hızlı yakınsama hızı avantajlarına sahip olduğunu göstermektedir.
Özet (Çeviri)
Optimization is a branch of knowledge that deals with the discovery or investigation of optimal solutions to a particular issue within a set of alternatives. Many algorithms such as Genetic Algorithm (GA), Particle Swarm Optimization Algorithm (PSO), Artificial Bee Colony (ABC), have been developed to fix optimization issues. The Fruit Fly Optimization Algorithm (FOA) is a part of these algorithms, it is the latest evolutionary computation technique which was pointed out by Wen Tsao Pan in 2011. The Fruit Fly Optimization Algorithm (FOA) is a new intelligent method based on the food finding behavior of the fruit fly. Sine Cosine Algorithm (SCA) is a simple population-based optimization method, developed in 2016 by S. Mirjalili. As its name implies, this algorithm uses a mathematical model based on sine and cosine functions to solve optimization problems. To avoid falling into a local optimum and to overcome the weakness of the updating strategies which are used to find optimal solution, we have developed a new hybrid Fruit Fly Optimization algorithm (HFOA) which uses Sine Cosine Algorithm (SCA) and it powerful updating and excellent search capabilities. The new developed hybrid is tested on a set of 23 Benchmark functions and its performance is compared with other optimization algorithms. The results obtained showed the successfulness and efficiency of the new hybrid algorithm HFOA, it outperforms the other meta-heuristics algorithms presented in recent litterature. The Frog Leaping Algorithm is a population based algorithm, it consists of a set of frog partitioned into several groups called“memeplexes”. The SFLA is trapped into local optimum when the distance between the best frog and the worst frog is too small. So to avoid falling into local optimum and to get better efficiency we used PSO algorithm. The velocity factors of the particles are used to evaluate the next position of the best frog. The developed hybrid is applied on 23 benchmark functions, the algorithm showed very high performance in solving these functions. By using the advantages of Particle Swarm Optimization Algorithm (PSO), the developed Hybrid Frog Leaping Algorithm to solve Benchmark optimization problems showed more efficiency and robustness. The test functions show that the HFLA exhibits more outstanding performance than the Hybrid Fruit Fly Optimization Algorithm. Experimental results show that the HFLA has advantages of strong optimization ability and fast convergence speed to solve Benchmark problems. Keywords :Optimization, Benchmark functions, Heuristics and Metaheuristics algorithms, Fruit fly optimization algorithm, Sine Cosine optimization algorithm, Shuffled frog leaping algorıthm, Particle Swarm optimization algorithm.
Benzer Tezler
- ETS gene regulation in neuronal differentiation: Transcriptomic analysis and evolutionary aspects
Transkriptomik ve evrimsel yaklaşımla nöronal faklılaşmada ETS gen düzenlenmesi
YİĞİT KORAY BABAL
Doktora
İngilizce
2023
BiyolojiGebze Teknik ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. IŞIL KURNAZ
- A novel rotationally oscillating micro drill for microinjection operations
Mikroenjeksiyon operasyonları için yeni bir rotasyonel osilasyonlu mikro delici
HANDAN NAK
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ FUAT ERGENÇ
- Ege ve Akdeniz bölgelerinden örneklenen Akdeniz meyve sineği [Ceratitis capitata Wiedemann. (Diptera:Tephritidae)] popülasyonlarındaki genetik çeşitliliğin sitokrom oksidaz I (COI) geninin kısmi baz dizi analizi yardımı ile belirlenmesi
Determination of genetic diversity in mediterranean fruit fly [Ceratitis capitata Wiedemann. (Diptera:Tephritidae)] populations, which are sampled from the Aegean and Mediterranean regions with the help of base sequence analysis of the cytochrome oxidase I gene
ABUZER GÜLER
Yüksek Lisans
Türkçe
2018
BiyolojiMuğla Sıtkı Koçman ÜniversitesiBiyoloji Ana Bilim Dalı
YRD. DOÇ. DR. ERSİN DOĞAÇ
- Identification of the cherry fly microbiome and determination of potential microbial control agents
Kiraz sineği mikrobiyomunun belirlenmesi ve potansiyel mikrobiyal kontrol ajanlarının tespiti
MAHDI NEAMAH SAHIB AL-SHAMMAA
Yüksek Lisans
İngilizce
2024
BiyoteknolojiKaradeniz Teknik ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. ZİHNİ DEMİRBAĞ
- Uncovering new approaches for treatment of mitochondrial disease using budding yeast and fruit flies
Tomurcuklanan maya ve meyve sinekleri kullanarak mitokondriyal hastalıkların tedavisi için yeni yaklaşımlar ortaya çıkarılması
GÖRKEM GARİPLER
Yüksek Lisans
İngilizce
2014
GenetikKoç ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
YRD. DOÇ. CORY DAVID DUNN