Sürekli optimizasyon problemleri için ters bakış açılı bir yapay arı kolonisi algoritması
An improved artificial bee colony algorithm with opposite point of view for continuous optimization problems
- Tez No: 672999
- Danışmanlar: DOÇ. DR. DOĞAN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay Arı Kolonisi, Sürü Zekası, Büyük Ölçekli Optimizasyon, Sürekli Optimizasyon Problemleri, SOCO, Artificial Bee Colony, Swarm Intelligence, Large Scale Optimization, Continuous Optimization, SOCO
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Günümüzde optimizasyon problemleri çözümü çok zor olan problemlerdendir. Problem boyutu büyüdükçe çözüm daha da zorlaşmaktadır. Çözümü zor olan büyük boyutlu optimizasyon problemlerinde sürü zekası algoritmalarından faydalanılabilir. Birçok sürü zekası algoritmalarından bir tanesi de Yapay Arı Kolonisi (Artificial Bee Colony, ABC) algoritmasıdır. ABC algoritması büyük ölçekli optimizasyon problem kümeleri için kurgulandığında başarılı sonuçlar elde edilebilir. Büyük ölçekli optimizasyon problemlerinde yapay arı kolonisi algoritmasından faydalanabilmek için mevcut algoritmada bir takım iyileştirmeler yapmak gerekmektedir. Tezimizde geliştirdiğimiz "Elit Ajan Tabanlı Kendi Kendine Uyarlanabilir Yapay Arı Kolonisi Algoritması (SEABC)'nda klasik ABC algoritmalarından farklı olarak Yiyecek aramada görevli olan işçi ve gözcü arıların görevlerinde ters bakışlı bir takım değişiklikler yapılmış, arama denklemlerinde elit bireylerden yararlanılmış ve bir yerel arama tekniği ile algoritma performansı güçlendirilmiştir. Algoritmalara ilave edilen parametreler algoritmaların başarısında büyük etkiye sahiptirler. Bu nedenle parametre ayarlamalarının çok iyi yapılması gerekmektedir. Bu yöntemlerden bir tanesi de irace aracıdır. Tezimizde irace aracı kullanılarak bu parametre ayarları gerçekleştirilmiştir. Geliştirdiğimiz SEABC algoritması büyük ölçekli sürekli optimizasyon fonksiyonları barındıran SOCO11 fonksiyon kümesinde test edilmiştir. Elde ettiğimiz sonuçlar daha önce SOCO11'e katılan farklı algoritmalar ile karşılaştırılmıştır.
Özet (Çeviri)
Today, optimization problems are one of the problems that are very difficult to solve. The larger the problem size, the harder the solution tackles. Swarm intelligence algorithms can be used in large-scale optimization problems that are difficult to solve. One of the swarm intelligence algorithms is the Artificial Bee Colony (ABC) algorithm. Successful results can be obtained when the ABC algorithm is designed for large-scale optimization problem sets. To take advantage from the artificial bee colony algorithm in large-scale optimization problems, some improvements are required in the original ABC algorithm. In the“Elite Agent-Based Self-Adaptive Artificial Bee Colony Algorithm (SEABC)”we developed in our thesis, as the difference from the classical ABC algorithms, several changes were made based on opposite viewpoints of the tasks of the employed and onlooker bees while searching of food sours, elite individuals were used in the search equations, and enforced the performance of the algorithm with a local search technique. The parameters in the algorithms have a great effect on the success of algorithms. For this reason, parameter tuning should be done very carefully. One of tuning methods is the irace tool. In our thesis, these sensitive parameter settings were made using the irace tool. The SEABC algorithm we have developed has been tested in the SOCO11 function set, which includes large-scale continuous optimization functions. The results we have obtained have been compared with several algorithms that have previously participated in SOCO11.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Geometric factors in roadway drainage
Yol drenajında geometrik faktörler
SEVGİ ÇAVDAR
Doktora
İngilizce
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ UYUMAZ
- Inverse optimal control for nonlinear systems
Doğrusal olmayan sistemler için ters optimal kontrol
MOAYED ALMOBAIED
Doktora
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM EKSİN
PROF. DR. MÜJDE GÜZELKAYA
- Deep reinforcement learning approach in control of Stewart platform- simulation and control
Stewart platformunun kontrolünde derin pekistirmeli öğrenme yaklaşımıc- simülasyon ve kontrol
HADI YADAVARI
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL
- Design of a microprocessor-based embedded fault diagnostic system and an FPGA-based improvement proposal
Mikroişlemci tabanlı bir gömülü tanı sistemi tasarımı ve FPGA tabanlı bir optimizasyon önerisi
ONUR BEKAR
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ