Optimizasyon problemleri için yeni metasezgisel yaklaşımlar
Novel metaheuristic approaches for optimization problems
- Tez No: 792739
- Danışmanlar: PROF. DR. FAHRİ VATANSEVER
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 151
Özet
Optimizasyon işlemleri, mühendislik problemlerinde en sık karşılaşılan uygulamalardır. Bu tip problemlerin çözümünde klasik yöntemlerin yanında metasezgisel algoritmalardan da yoğun şekilde yararlanılmaktadır. Bu amaç doğrultusunda da birçok metasezgisel algoritma geliştirilmiş ve geliştirilmeye de devam edilmektedir. Bu tez çalışmasında; geometrik sekizli bölge arama algoritması (GSBA), modifiye adli tıp temelli soruşturma algoritması (modFBI) ve modifiye hiyerarşik yığın tabanlı optimizasyon algoritması (HBO-CO) olarak adlandırılan üç adet metasezgisel algoritma önerilmiştir. GSBA, böl ve yönet prensibinden ilham alırken, Cauchy tabanlı mutasyon ve karşıtlık temelli öğrenme diğer iki algoritmaya adapte edilmiştir. Önerilen metasezgisel algoritmalar, iki problem setine uygulanmış ve karşılaştırmalı biçimde test edilerek ayrıntılı performans değerlendirmeleri (Wilcoxon, Friedman testleri vb.) gerçekleştirilmiştir: birincisi sayısal (tek modlu, çok modlu ve yüksek boyutlu) fonksiyonlar ve ikincisi de 22 tane gerçek dünya problemleridir. Karşılaştırmalarda 5'i klasik ve 7'si güncel olmak üzere 12 tane algoritma kullanılmıştır. Gerçek dünya problemlerinde özellikle Elektrik-Elektronik mühendisliği uygulama alanına ait problemler (filtre tasarımları, harmonik eliminasyonları, dinamik ve statik ekonomik yük dağıtımları, parametre kestirimi, anten dizisi tasarımı vb.) ilgili algoritmalara uyarlanmış ve uygulanmıştır. Gerçekleştirilen testlerde önerilen GSBA algoritması, her iki problem setinde istatistikî olarak başarılı sonuçlara ulaşmıştır. Önerilen diğer iki algoritmanın; HBO-CO ve modFBI, nümerik sonuçlara göre kıyaslanan algoritmalardan daha iyi olduğu gözlemlenmiştir. Diğer yandan, gerçek dünya problemlerinde, bu üç algoritma arasında baskın bir algoritma olmayıp, bir problemde en iyi performansı gösteren algoritma diğer bir problemde en iyi olmayabilmektedir.
Özet (Çeviri)
Optimization techniques are among the prevalent methods utilized in resolving engineering challenges. In addition to traditional techniques, the application of metaheuristic algorithms has become widespread in addressing complex problem scenarios. To this end, numerous metaheuristic algorithms have been devised and ongoing efforts are being made to enhance their efficacy. In this thesis, three metaheuristic algorithms called geometric octal zone distance estimation algorithm (GSBA), modified forensic-based investigation algorithm (modFBI) and modified hierarchical heap-based optimization algorithm (HBO-CO) are proposed. The GSBA is inspired by the divide-and-conquer principle, while Cauchy-based mutation and opposition-based learning are adapted to the other two algorithms. The proposed algorithms are implemented and tested on two sets of problems, with a subsequent comparison of their performance. A comprehensive assessment of their performance is conducted (Wilcoxon, Friedman tests, etc.) through two distinct evaluation approaches. The first is numerical (unimodal, multimodal and high-dimensional) functions and the second is 22 real-world problems by comparing with 12 algorithms in total, 5 classical and 7 up-to-date. In real world problems, this study also incorporates problems relevant to the domain of Electrical and Electronics Engineering applications (filter designs, harmonic eliminations, dynamic and static economic load distributions, parameter estimation, antenna array design, etc.). From the experimental analysis, GSBA has achieved the most successful results for both numerical problem sets according to statistical analyzes. The other two proposed algorithms, which are HBO-CO and modFBI, were observed to be better than or at least comparable to the compared algorithms according to numerical results. On the other hand, in real-world problems, there is no absolute leader among the developed three algorithms. It can be observed that the algorithm that performs best in one problem cannot be the best in another problem.
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
- Metaheuristic approaches for the generalized assignment problem of an online education website
Bir çevrimiçi eğitim web sitesinin genelleştirilmiş atama problemine yönelik metasezgisel yaklaşımlar
MERVE ÖZER
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri MühendisliğiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EKREM DUMAN
- Akış tipi çizelgeleme problemlerinin çözümünde metasezgisel yaklaşımların karşılaştırmalı olarak analizi
A comparative analysis of metaheuristic approaches developed for solving flowshop scheduling problems
MURAT RUHLUSARAÇ
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİLÜFER YURTAY
- Enhancing mutation testing: Search-based optimization to improve testing quality
Mutasyon testini geliştirme: Test kalitesinin iyileştirilmesi için arama tabanlı optimizasyon
SERHAT UZUNBAYIR
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Ekonomi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAAN KURTEL