Evolutionary approaches to many-objective combinatorial optimization problems
Pek-çok amaçlı tümleşik problemlere evrimsel yaklaşımlar
- Tez No: 645213
- Danışmanlar: PROF. DR. FİKRET ÜMİT BİLGE
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 193
Özet
Pek-çok amaçlı evrimsel eniyileme adı verilen araştırma alanında, çok sayıda amacın getirdiği zorluklar aşılmaya çalışılmaktadır ve bu yordamların başarılı Pareto yaklaşımlarına ulaşmak için çok etkili olduğu gösterilmiştir. Artan ilgiye rağmen, mevcut çalışmaların çoğu önceden tasarlanmış özelliklere sahip, iyi tanımlanmış sürekli işlevler üzerinde geliştirilip denenmektedirler ve tümleşik problemlerle ilgili çalışmalar oldukça nadirdir. Önerilen pek-çok amaçlı evrimsel yordamın farklı sürümleri seçkinci baskılanmamış sıralama ve referans seti temelli sıralama kullanır, ancak referans noktaları yordamın başında tek amaçlı problemler çözülerek elde edilen sabit bir aşırı düzlem üzerinde konumlandırılır. Tüm evrimsel mekanizmalar, referans seti temelli sıralamayı tamamlayıcı şekilde tasarlanmıştır. Bu nedenle çaprazlama şeması olarak referans noktası güdümlü yol birleştirme önerilmektedir. Onarım ve yerel iyileştirme izlekleri de referans noktaları tarafından yönlendirilir. Ayrıca, referans seti, çeşitliliği ve yakınsamayı dengelemek için hem işbirlikçi hem de rekabetçi etkileşimler kullanarak çözüm seti ile eş zamanlı olarak birlikte-evrimleşir ve Pareto cephesinin topolojisine kendi kendini uyarlayan bir parametrik yolla uyum sağlar. Önerilen algoritma, hem ikili ve hem permütasyon kodlaması ile ilişkili amaç fonksiyonları ve farklı ölçeklere sahip amaç fonksiyonları altında başarıyla çalışmaktadır. Hiper düzlemi inşa etmek için en uyguna yakın çözümler de Pareto yaklaşımının kalitesinde önemli bir bozulma olmadan kullanılabilir. Ayrıca, senaryoya dayalı belirsizlik altındaki eniyileme problemi pek-çok amaçlı bir problem olarak modellendiğinde, önerilen algoritma birçok gürbüz ölçüt için aynı anda iyi çözümler sağlayabilmektedir. Sayısal deneyler, önerilen algoritmanın başka güncel yordamlara kıyasla başarısını göstermekte ve pek-çok amaçlı tümleşik problemlere sürdürülebilir şekilde uygulanabileceğini doğrulamaktadır.
Özet (Çeviri)
Many-objective evolutionary approaches try to characterize and overcome the challenges posed by the large number of objectives and have been shown to be very effective for achieving good Pareto approximations. Despite the growing interest, most of the existing studies work on well-defined continuous objective functions with designed features, and studies on combinatorial problems are still rare. The proposed many-objective evolutionary algorithm is characterized by elitist nondominated sorting and reference set based sorting where the reference points are mapped onto a fixed hyperplane obtained at the beginning of the algorithm by solving single-objective problems. All evolutionary mechanisms such as reference point guided path relinking, repair and local improvement procedures are designed to complement the reference set based sorting. Moreover, the reference set co-evolves simultaneously with the solution set, using both cooperative and competitive interactions to balance diversity and convergence, and adapts to the topology of the Pareto front in a self-adaptive parametric way. The proposed algorithm works successfully both under binary and permutation encoding, as well as for correlated objectives or objectives with different scales. Near optimal solutions can be used to construct the hyperplane without any significant deterioration in the quality of the Pareto approximation. Moreover, when an optimization problem under scenario-based uncertainty is modeled as a many-objective problem, the proposed algorithm can provide good solutions simultaneously for several robust measures. Numerical experiments demonstrate the success of the proposed algorithm compared to state-of-art approaches and confirm that it can be applied sustainably to a variety of many-objective combinatorial problems.
Benzer Tezler
- Dinamik ortamlar için istatiksel metotlar kullanan çoklu evrimsel algoritmalar
Multiploid evolutionary algorithms with statistical methods for dynamic environments
EMRULLAH GAZİOĞLU
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR
- Heuristic algorithms for solving chemical shift assignment problem in protein structure determination
Sezgisel algoritmalar ile protein yapı belirlemesindeki kimyasal kayma atama probleminin çözümü
EMEL MADEN YILMAZ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR
PROF. DR. PETER GÜNTERT
- An evolutionary approach to the traveling salesman problem with pickup and delivery based on depot insertion and removal moves
Toplamalı dağıtımlı gezgin satıcı problemi için depo yerleştirme ve çıkarma tabanlı bir sezgisel algoritma
VOLKAN ÇINAR
Yüksek Lisans
İngilizce
2010
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEMEL ÖNCAN
- Sürdürülebilir toplu konut yerleşmesi tasarımı için Pareto genetik algoritmaya dayalı bir model önerisi: SSPM
A model for sustainable site layout design with pareto genetic algorithm: SSPM
YAZGI AKSOY
- Many‐objective multi‐criteria diet optimization problem
Çok amaçlı çok kriterli diyet eniyileme problemi
CUMALİ TÜRKMENOĞLU
Doktora
İngilizce
2023
Beslenme ve Diyetetikİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA ETANER UYAR
DR. ÖĞR. ÜYESİ BERNA KİRAZ