Geri Dön

Electric fish optimization: a new heuristic algorithm based on electrolocation

Elektrik balığı optimizasyonu: elektrolokasyon tabanlı yeni bir sezgisel algoritma

  1. Tez No: 639532
  2. Yazar: SELİM YILMAZ
  3. Danışmanlar: DOÇ. DR. SEVİL ŞEN AKAGÜNDÜZ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 238

Özet

Doğada gözlemlenen sürü davranışları, birçok sezgisel optimizasyon algoritmasının ortaya çıkmasına neden olmuştur. Yüksek boyutlu veriyi, türevlenemez fonksiyonları desteklemesi ve benzeri karakteristikleri ile bu algoritmalar özellikle karmaşık problemlerin çözümü için oldukça dikkat çekmektedirler. Bu tez çalışmasında elektrikli balıkların iletişiminden ve av yerlerini bulma davranışlarından ilham alan yeni bir sezgisel algoritma önerilmiştir. Geceleri oldukça hareketli yaşayan elektrik balıkları çok zayıf görme yeteneğine sahiptir ve görsel duyuların çok sınırlı olduğu çamurlu, bulanık suda yaşamaktadırlar. Bu nedenle, çevrelerini algılamak için elektrolokasyon adı verilen türlerine özgü yeteneklerine güvenmektedirler. Bu türdeki balıkların sergilediği aktif ve pasif elektrolokasyon yeteneğinin, yerel ve küresel aramanın dengelenmesi için iyi bir davranış olduğuna inanılmaktadır ve balıkların bu yeteneği bu çalışmada modellenmiştir. Bu tez çalışmasında, Elektrik Balığı Optimizasyonu (EFO) adı verilen, tek-amaçlı optimizasyon problemlerini çözmek için yeni bir sezgisel yöntem tanıtılmış ve literatürdeki iyi bilinen altı sezgisel algoritma (Benzetilmiş Tavlama, Girdap Arama, Genetik Algoritma, Diferansiyel Evrim, Parçacık Sürüsü Optimizasyonu, ve Yapay Arı Kolonisi) ve mevcut birçok yöntem ile karşılaştırılmıştır. Kıyaslama kümesi olarak, parametre uzayı sınırlandırılmış 50 temel ve 30 karmaşık matematiksel fonksiyon, parametre uzayı sınırlandırılmamış 13 adet kümeleme ve sınıflandırma problemi, parametre uzayı ve tasarımı sınırlandırılmış 5 adet gerçek dünya problemini içeren bir küme deneylerde kullanılmıştır. Deney sonuçları, EFO'nun rakiplerine göre daha iyi ya da oldukça rekabetçi bir algoritma olduğunu göstermiştir. Çok-amaçlı problemleri de ele almak amacıyla önerilen tek-amaçlı EFO algoritması bu çalışmada genişletilmiştir. Tek-amaçlı EFO algoritmasındaki arama davranışı genel olarak korunurken, algoritmaya bazı modifikasyonlar yapılarak algoritma çok-amaçlı problemlerin çözümü için uyarlanmıştır. Üç farklı çok amaçlı optimizasyon algoritması önerilmiştir: Pareto-baskın Tabanlı EFO (PD-EFO), Bastırılamayan-sıralı Tabanlı EFO (NS-EFO) ve Hucresel Tabanlı EFO (CB-EFO). Bu algorithmalar, literatürde sıklıkla kullanılan 30 adet çok-amaçlı optimizasyon problemi üzerinde test edilmiştir. Elde edilen optimizasyon performansları bazı yakınsama metriklerine göre değerlendirilmiştir. Bu metriklerden elde edilen bulgular; CB-EFO algoritmasının diğerlerine göre en iyi başarımı sergilediğini, bu başarıma en çok NS-EFO algoritmasının yaklaştığını göstermiştir. CB-EFO algoritması yine aynı problem kümesi üzerinde literatürde iyi bilinen çok-amaçlı optimizasyon algoritmaları ile karşılaştırılmış ve deneysel bulgular, CB-EFO'nun rakip yöntemlere göre çok daha iyi bir performans sergilediğini göstermiştir. Sonuç olarak, bu tez çalışmasında, hem tek-amaçlı hem de çok-amaçlı optimizasyon problemleri etkin bir şekilde çözen yeni bir sürü tabanlı optimizasyon algorithması literatüre katılmıştır.

Özet (Çeviri)

Swarm behaviors in nature have inspired the emergence of many heuristic optimization algorithms. These algorithms have attracted much attention, particularly for solving complex problems, owing to their characteristics of supporting high dimensional data, non-differentiate functions, and the like. In this thesis, a new heuristic algorithm inspired by communication of electric fish and their way of finding their prey location is proposed. Nocturnal electric fish have very poor eyesight and live in muddy, murky water, where visual senses is very limited. Therefore, they rely on their species-specific ability called electrolocation to perceive their environment. The active and passive electrolocation capability of such fish is believed to be a good candidate for balancing local and global search, and hence it is modeled in this study. A new heuristic algorithm called Electric Fish Optimization (EFO) is introduced for solving single-objective optimization problems and compared with both six well-known heuristics (Simulated Annealing, Vortex Search, Genetic Algorithm, Differential Evolution, Particle Swarm Optimization, and Artificial Bee Colony) and popular methods in the literature. In the experiments, a well-known selection of bound-constrained 50 basic and 30 complex mathematical functions, unconstrained 13 clustering and classification problems, and bound- and design-constrained 5 real-world problems have been used as the benchmark sets. The simulation results indicate that EFO is better than or very competitive with its competitors. Furthermore, the single-objective EFO algorithm has been extended in order to handle multi-objective optimization problems. While the search behaviour of the single-objective EFO is preserved, few modifications are applied in order to adapt the algorithm for solving multi-objective optimization problems. Three types of multi-objective EFO algorithms are proposed, namely Pareto-Dominance based Electric Fish Optimization (PD-EFO), Non dominated Sorting-based Electric Fish Optimization (NS-EFO), and Cellular-based Electric Fish Optimization (CB-EFO). All these multi-objective algorithms have been tested on 30 multi-objective benchmark problems that are commonly used in the literature. The obtained optimization performances have been evaluated through the most popular convergence metrics. Findings from these metrics reveal that CB-EFO algorithm has shown the best performance compared to the other multi-objective EFO algorithms and that NS-EFO has shown a performance that is the most competitive to CB-EFO. CB-EFO algorithm has then been compared to the well-known multi-objective optimization algorithms in the literature using the same problem set. Experimental findings have shown that CB-EFO performs a performance superior than the competitors. To sum up, in this thesis, a new swarm-based algorithm which is shown to be effective for both single- and multi-objective optimization problems, is introduced to the community.

Benzer Tezler

  1. Balon balığı davranışı tabanlı yeni bir metasezgisel optimizasyon algoritması

    A new metaheuristic optimization algorithm based on puffer fish behavior

    MEHMET CEM ÇATALBAŞ

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ARİF GÜLTEN

  2. Üretim sistemlerinde valf-nokta etkili konveks olmayan dinamik ekonomik yük dağıtımı

    Nonconvex dynamic economic dispatch of genaration via valve-point loading

    MİKAİL PÜRLÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. BELGİN EMRE TÜRKAY

  3. Sezgisel optimizasyon algoritmaları kullanılarak güç sistemi dengeleyicisinin optimal tasarımı

    Optimal design of power system stabilizer using heuristic optimization algorithms

    BURAK KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKırıkkale Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İBRAHİM EKE

  4. Konvansiyonel ve mikro şebeke içeren güç sistemlerinde dinamik ekonomik yük ve emisyon dağıtımının sezgisel yöntemlerle analizi

    Dynamic economic emission dispatch in power systems with and without microgrids by using heuristic algorithms

    ESRA AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. BELGİN TÜRKAY

  5. Design and optimization of dual active bridge converter for Type-2 charging infrastructures using metaheuristic methods

    Tı̇p-2 şarj altyapıları ı̇çı̇n çı̇ft yönlü aktı̇f köprü dönüştürücü tasarımı ve meta-sezgisel yöntemlerle optı̇mı̇zasyonu

    ALPER EMRE ÖZDEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ONUR GÜLBAHÇE