Geri Dön

Nature-inspired evolutionary algorithms and a model proposal

Doğadan esinlenen evrimsel algoritmalar ve bir model önerisi

  1. Tez No: 672931
  2. Yazar: GÜLİN ZEYNEP ÖZTAŞ
  3. Danışmanlar: PROF. DR. SABRİ ERDEM
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme (İngilizce) Ana Bilim Dalı
  12. Bilim Dalı: İşletme Yönetimi Bilim Dalı
  13. Sayfa Sayısı: 202

Özet

Bu çalışma, doğrusal/doğrusal olmayan sürekli kısıtsız/kısıtlı optimizasyon problemlerini çözmek için yeni bir popülasyon tabanlı evrimsel hesaplama modeli sunmaktadır. Önerilen model, iki optimizasyon algoritması içermektedir. Bunlardan ilki, birçok yerel optimuma sahip problemler için algoritmaların başlatılmasında rastgelelik çeşitliliğini bir dereceye kadar azaltan uyarlamalı başlangıç çözümleri sağlayan bir başlatma algoritmasıdır. Algoritmanın öne çıkan özelliği, yerel optimumlara takılmadan ve sorunun doğasını değiştirmeden arama alanını uyarlamalı olarak daraltma yeteneğidir. Basit rastgele yaklaşımlardan farklı olarak, önerilen algoritma çok modlu problemlerde global optimum noktasının yanlışlıkla ortadan kaldırılmasından kaçınabilmektedir. Başlangıç algoritması zaman ve performans açısından ek bir yük getirmek yerine, problemin çözülmesine katkı sağlamaktadır. İtici Kuvvetler optimizasyonu (REF) olarak adlandırılan ikinci algoritma, Newton'un Genel Yerçekimi Yasasına ve Coulomb Yasasına dayanmaktadır. REF algoritması, önerilen ilk algoritmadan farklı olarak, kısıtlama becerileriyle optimum benzeri çözümlere ulaşmayı amaçlamaktadır. Önerilen algoritma, sınırlı bir uzaydaki muhtemel yüklü parçacıkların olası çözüm noktaları olduğunu varsaymaktadır. Parçacıklar ve komşuları arasındaki kuvvetler, parçacığı daha iyi bir çözümün bulunabileceği yeni bir konuma hareket ettirir. Parçacıkların itici yapısı Coulomb Yasasının taklidi olarak düşünülebilir. Ayrıca, Tabu Arama Algoritması ve Elitizm seçim yaklaşımı önerilen algoritmanın hafıza kullanımına ilham vermektedir. Algoritmanın ilham kaynakları, daha iyi sonuçlar sağlayan en iyi özelliklerin bir kombinasyonunu oluşturmak için belirlenmiştir. Ayrıca, bu algoritma, amaç fonksiyonu değerinin yanısıra kısıtları sağlama oranlarını ve kısıtlamaların toplam sapmalarını da dikkate alan çarpımsal ceza yaklaşımı ilkesi üzerine yapılandırılmıştır. Bu nedenle sürekli kısıtlı problemleri çok iyi bir şekilde çözme yeteneğine sahiptir. Algoritmanın performansı, evrimsel optimizasyon araştırmacıları tarafından en sık kullanılan kısıtsız / sınırlı optimizasyon problemleri ve mühendislik tasarım problemleri ile test edilmiştir. Ek olarak, kıyaslama için ekonomik sevkiyat problemi de uygulanmıştır. Başlangıç algoritmasının, rastgele çözümlerden çok daha iyi yakınsadığı ve en uygun çözüme ulaşmayı hedefleyen algoritmalar için de başlangıç algoritması olarak kullanılabileceği sonucuna varılmıştır. Gerçek dünya problemlerinin deneysel sonuçları ise önerilen algoritmaların literatürde yayınlanan yöntemlere göre tatmin edici sonuçlar verdiğini göstermektedir.

Özet (Çeviri)

This study introduces a new population-based evolutionary computing model for solving linear/nonlinear continuous unconstrained/constrained optimization problems. The proposed model includes two optimization algorithms. The first one is an initialization algorithm that provides adaptive initial solutions, to some extent, reducing the diversity of randomness in the initialization of the algorithms for problems that may have many local optimums. The prominent feature of the algorithm is the ability to narrow the search space adaptively without falling into local optimums and changing the nature of the problem. Unlike simple random approaches, the proposed algorithm escapes from inadvertently removing the global optimum in multi-modal problems. In terms of time and performance, the initialization algorithm doesn't add additional burden, on the contrary, it contributes to the problem-solving procedure. The second proposed algorithm called Repulsive Forces Optimization (REF) depends on Newton's General Gravity Law and Coulomb's Law. Different from the first algorithm, the REF algorithm aims to reach optimum-like solutions by constraint-handling abilities. REF algorithm assumes that likely charged particles in a bounded space are possible solution points. The forces between the particle and its neighbors make the particle moved to a new location where a better solution may exist. The repulsive structure of the particles could be considered as the mimics of Coulomb's Law. Furthermore, Tabu Search Algorithm and Elitism selection approach inspire the memory usage of the proposed algorithm. The inspirations of the REF algorithm are determined to create the best combination of features that provides better results. Besides, this algorithm is structured on the principle of multiplicative penalty approach that considers satisfaction rates and the total deviations of constraints as well as objective function value for constraint handling. For this reason, it can handle continuous constrained problems very well. The performances of the algorithms are evaluated with unconstrained/bounded optimization benchmarks and engineering design problems that belong to the most commonly used cases by evolutionary optimization researchers. In addition, an economic dispatch problem is also applied for benchmarking. It is concluded that the initialization algorithm converges much better than random solutions and it is applicable for further studies focusing on better initial solutions that guide reaching an optimal solution. Experimental results of real-world problems show that the proposed algorithms produce satisfactory results compared to the methods published in the literature.

Benzer Tezler

  1. Çok makineli güç sisteminde açısal kararlılık analizi ve kontrolör parametre optimizasyonu

    Angular stability analysis and controller parameter optimization in multi-machine power system

    SERDAR EKİNCİ

    Doktora

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞEN DEMİRÖREN

  2. An intrusion detection approach based on binary particle swarm optimization and Naive Bayes

    İkili parçacık sürüsü optimizasyonuna ve Naive Bayes'e dayalı bir saldırı tespiti yaklaşımı

    ABDULLAHI HUSSEIN ABDULLAHII

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MESUT GÜNDÜZ

  3. Doğadan esinlenen evrimsel algoritmalara dayalı sorgu sınıflandırması için öznitelik seçimi & seçkili bilgi erişimi için aday kümesi seçimi

    Feature selection for query classification & candidate set selection for selective information retrieval based on nature inspired evolutionary algorithms

    HALİL İBRAHİM ÇAKIR

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ARSLAN

  4. Dinamik ortamlar için istatiksel metotlar kullanan çoklu evrimsel algoritmalar

    Multiploid evolutionary algorithms with statistical methods for dynamic environments

    EMRULLAH GAZİOĞLU

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE ŞİMA UYAR

  5. Bambu malzeme davranışına bir model olarak kabuk strüktür tasarım ve şekil optimizasyonu

    Shell structure design and shape optimization as a model for material behavior of bamboo

    ESRA DEMİREL

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mimarlıkİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. LEMAN FİGEN GÜL