Geri Dön

Evolutionary search algorithm basedon hypercube optimisation

Başlık çevirisi mevcut değil.

  1. Tez No: 768534
  2. Yazar: MUSTAFA TUNAY
  3. Danışmanlar: PROF. DR. RAHİB ABİYEV
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Arama yöntemleri, optimizasyon, evrimsel hesaplama, hiperküp evrimi, çizelgeleme, Search methods, optimisation, evolutionary computing, hypercube evolution, timetabling
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Yakın Doğu Üniversitesi
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 114

Özet

Çeşitli problem alanlarında, evrimsel algoritmalar ile ilgili birçok küresel optimizasyon arama algoritmaları vardır. Bulunan evrimsel algoritmalarda, problem alanlarının içerdikleri; süreksiz olmayan diferansiyel denklemler, multimodal ve gürültülü olmayan iyi tanımlanmış problem denklemlerinde, geleneksel optimizasyon algoritmaları daha iyi bir performansa sahip olduğu ortaya çıkmıştır. Geleneksel optimizasyon algoritmaları üzerinde evrimsel algoritmaların temel avantajlarından biri de yerel olan en uygun değer ile sıkışmayan küresel en uygun değer (optimum) oluşudur. Günümüzde, bir çok gerçek dünya optimizasyon sorunlarının çözümüne yönelik tasarlanan evrim arama algoritması yüksek optimizasyon elde etmek için çok önemlidir. Bu tezde, yeni bir evrimsel arama algoritması tasarımı yapılarak, çok değişkenli sistemlerin optimizasyonunu çözmek için dizayn edilmiştir. Bu optimizasyon arama algoritması yakınsama tarafından yönlendirilen bir hiperküp evrimine dayalı olup, yeni ve yoğun olan stokastik arama yöntemi ile ilişkilidir. Önerilen algoritma, güvercinlerin gerçek doğal dünyalarında yem bulabilmek için yeni alanlar bulması, güvercinlerin bu davranışlarından esinlenerek, yeni bir algoritmanın tasarlanmasına ilham kaynağı olmuştur. Optimizasyon arama algoritmasının içerdiği temel süreçler şunlardır; Uçuş süreci (başlatmadeğerlendirme), Yerdeğiştirme-küçültme (yerdeğiştirme-daraltma) süreci ve Arama alanları keşfetme sürecidir. Uçuş süreci; ilk çözümleme parametre değerlerini başlatır ve bu parametreler, tanımlı fonksiyon tarafından değerleri hesaplanarak arama alanlarını (hiperküp üzerinde) oluşturur. Yerdeğiştirme-küçültme süreci; hiperküp parametre değerlerini güncelemeyi ve bu değerlere göre yer değiştirmeyi belirler. Arama alanları keşfetme süreci; bir sonraki hiperküp için kesin kuralları (yeni parametreler) belirler. Optimizasyon arama algoritmasının performansı optimizasyon fonksiyonlarında test edildi. Deneysel sonuçlara göre; önerilen algoritmanın küresel optimizasyon için çözüm doğruluğu açısından cesaret vericidir. Ayrıca, önerilen algoritma yaklaşımını yüksek öğretim veren pek çok kurumun çizelgeleme sorununu çözmek adına da kullanılmaktadır. Karmaşıklığın önemli bir artış gösterdiği bir çok yüksek öğretim kurumalarında, çizelgeme sorununu çözmek çok zordur. Optimizasyon fonksiyonları ve çizelgeleme problemleri üzerinde algoritmanın simülasyonu, önerilen optimizasyon arama algoritması umut verici bir yaklaşım olduğunu ve çok sayıda küresel optimizasyonun gerçek sorunlarının bir dizi çözümü için de özel algoritmalar ile karşılaştırılabilir olduğunu göstermektedir.

Özet (Çeviri)

Evolutionary algorithms (EAs) are global optimisation search algorithms with numerous applications in various problem domains. Evolutionary algorithms are found to outperform conventional optimisation algorithms in problem domains involving; discontinuous, nondifferential, multimodal, noisy and not well-defined problems. One of basic advantage of evolutionary algorithms over conventional optimisation algorithms is the capability to find a global optimum without being trapped in local optima. Nowadays for many real world optimisation problems the designing of evolutionary search algorithm with high optimisation accuracy is more important. The thesis is devoted to the design of a novel evolutionary search algorithm to solve optimisation of multivariate systems. This optimisation search algorithm is a new intense stochastic search method that is based on a hypercube evolution driven by convergence. The proposed algorithm is inspired from the behaviors of a dove discovering new areas for food in natural world. The main steps of the optimisation search algorithm comprise fly process (initialization-evaluation), displacement-shrink process and searching areas process. The fly process initializes the search area (hypercube), the initial solutions and evaluates function in a given hypercube. The displacement-shrink process determines the displacement and update parameters of the hypercube; the search area process determines the next hypercube using certain rules. The performance of the optimisation search algorithm is tested on optimisation functions. The experimental results demonstrate that the proposed algorithm is encouraging in terms of solution accuracy for global optimisation. Moreover, the proposed algorithm approach is applied to solving a timetabling problem which is very difficult to solve for many institutions of higher education and as resulted in a significant increase in their complexity. The simulation of the proposed algorithm on optimisation functions and timetabling problems have demonstrated the proposed optimisation search algorithm which has shown to be a promising approach and is comparable with specialized algorithms for solving a set of global optimisation real problems with large numbers of local optima.

Benzer Tezler

  1. Otomotiv sektöründe yenilikçi ürün tasarımı için yeni nesil bütünleşik tekniklerin geliştirilmesi

    Development of new generation hybrid techniques for innovative product design in automotive industry

    BETÜL SULTAN YILDIZ

    Doktora

    Türkçe

    Türkçe

    2016

    Mühendislik BilimleriBursa Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HÜSEYİN LEKESİZ

  2. Genomik verinin analizinde yapay arı koloni algoritması temelli yeni tekniklerin geliştirilmes

    Developing new techniques based on artificial bee colony algorithm for analysis of genomic data

    SELÇUK ASLAN

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DERVİŞ KARABOĞA

  3. Çok amaçlı optimizasyon algoritmalarının tasarımı için kümeleme esaslı yeni bir arşiv indirgeme yönteminin geliştirilmesi ve uygulanması

    Development and application of a new clustering-based archive reduction method for the design of multi-objective optimization algorithms

    MUSTAFA AKBEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMDİ TOLGA KAHRAMAN

  4. Heterogeneous location- and pollution-routing problems

    Başlık çevirisi yok

    ÇAĞRI KOÇ

    Doktora

    İngilizce

    İngilizce

    2015

    Endüstri ve Endüstri MühendisliğiUniversity of Southampton

    PROF. TOLGA BEKTAŞ

    DR. OLA JABALI

    PROF. GILBERT LAPORTE

  5. Ters bulanık model alma yöntemleri

    Fuzzy model inversion techniques

    TUFAN KUMBASAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM EKSİN