Geri Dön

Kendinden uyarlamalı bir diferansiyel gelişim algoritması tasarımı ve gerçeklenmesi

A self-adaptive differential evolution algorithm design and implementation

PDF İndir

  1. Tez No: 824872
  2. Yazar: HATEM DUMLU
  3. Danışmanlar: DOÇ. DR. GÜRCAN YAVUZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kütahya Dumlupınar Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

Günümüz dünyasında insan nüfusunun artması üretim sektöründen ulaşım sektörüne, sağlık sektöründen kimya endüstrisine, yenilenebilir enerji kaynaklarından ağır sanayiye kadar insanoğlunun yaşamını ilgilendiren neredeyse her alana duyulan ihtiyacı artırmıştır. Bu çeşitlilikte talep edilen ihtiyaçlar, bazı problemleri de beraberinde getirmiştir. Bu problemler optimizasyon algoritmaları ile maliyeti azaltma, verimi artırma ya da bunları optimuma getirme şeklinde çözüme kavuşturulmaktadır. Bu problemleri çözmek için birçok optimizasyon algoritması yaklaşımı vardır. Bu optimizasyon yaklaşımlarının çoğunu meta sezgisel algoritmalar oluşturur. Diferansiyel Gelişim (DG) Algoritması da bir meta sezgisel algoritmadır. DG algoritması kolay kullanılabilirliği ve hızlı yakınsama özelliği ile bilinir. Fakat DG algoritması evrimsel süreç boyunca sabit tutulan çok az parametreye sahip olduğundan bu parametreleri doğru bir şekilde ayarlamak algoritmanın performansı açısından ayrı bir problemdir. Bu sebeple araştırmacılar kendinden uyarlanabilen kontrol parametreli DG algoritmaları üzerine çalışmalar yürütmektedir. Bu çalışmada kendinden uyarlamalı bir diferansiyel gelişim algoritması tasarımı yapılmış ve gerçeklenmiştir. İlk adımda diferansiyel gelişim algoritmasının mutasyon evresine farklı bir mutasyon stratejisi uygulanmış ve CEC 2019 ölçüt seti fonksiyonlarında test edilmiş ve literatürdeki Genişletilmiş Balina Optimizasyon Algoritması-GBOA (Whale Optimization Algorithm Modified Mutualism-WOAmM), Balina Optimizasyon Algoritması-BOA (Whale Optimization Algorithm-WOA), Güve Alevi Optimizasyon Algoritması-GAOA (Moth Flame Optimization-MFO), Kelebek Optimizasyon Algoritması-KOA (Butterfly Optimization Algorithm-BOA), Sinüs Kosinüs Algoritması-SKA (A Sine Cosine Algorithm-SCA) ve JAYA algoritması ile karşılaştırılmıştır. CEC 2019 ölçüt seti 50 boyutta test edilmiştir. İkinci adımda ise bu DG algoritmasına rekabetçi yerel arama stratejisi de eklenerek CEC 2014 ölçüt seti fonksiyonlarında test edilmiş ve literatürdeki SHADE (Success-History based Adaptive Differential Evolution), L-SHADE (SHADE with Linear Population Size Reduction), PADE (Parameter Adaptive Differential Evolution) ve LPalmDE (Parameters with Adaptive Learning Mechanism Differential Evolution) algoritmaları ile karşılaştırılmıştır. CEC 2014 ölçüt seti ise 30 ve 50 boyutta test edilmiştir. Elde edilen sonuçlara göre önerilen kendinden uyarlamalı DG algoritması“ortalama”ve“en iyi”sonuçlarda kıyaslanan algoritmalara karşı ilk sırada yer almıştır.

Özet (Çeviri)

The increasing of human population has increased the demand for almost every area of human life in the production sector, transportation sector, health sector, chemical industry, renewable energy sources, heavy industry etc. These demands have led to some problems. These problems are solved by optimization algorithms by reducing cost, increasing efficiency or making them optimum values. There are many optimization algorithm approaches to solve these problems. Most of these optimization approaches are meta heuristic algorithms. Differential Evolution (DE) Algorithm is also a meta heuristic algorithm. The DE algorithm is known for its ease of use and fast convergence. However, since the DE algorithm has very few parameters that are kept constant throughout the evolutionary process, accurately tuning these parameters is a particular problem for the performance of the algorithm. For this reason, researchers have been working on DE algorithms with self-adaptive control parameters. In this study, a self-adaptive differential evolution algorithm is designed and implemented. In the first step, a different mutation strategy was applied to the mutation phase of the differential evolution algorithm and tested on CEC 2019 benchmark set functions and compared with Whale Optimization Algorithm Modified Mutualism-WOAmM, Whale Optimization Algorithm-WOA, Moth Flame Optimization Algorithm-MFO, Butterfly Optimization Algorithm-BOA, A Sine Cosine Algorithm-SCA and JAYA algorithms in the literature. CEC 2019 benchmark functions tested on 50 dimensions. In the second step, a competitive local search strategy was added to this DE algorithm and tested on the CEC 2014 benchmark functions and compared with SHADE (Success-History based Adaptive Differential Evolution), L-SHADE (SHADE with Linear Population Size Reduction), PADE (Parameter Adaptive Differential Evolution) and LPALMDE (Parameters with Adaptive Learning Mechanism Differential Evolution) algorithms in the literature. The CEC 2014 benchmark functions was tested in 30 and 50 dimensions. According to the results, the proposed self-adaptive DE algorithm ranked first in the“average”and“best”results against the compared algorithms.

Benzer Tezler

  1. Tez No

    744205

    2-step indoor localization for 'smart AGVs'

    'Akıllı AGV'ler' için iki aşamalı iç mekan konumlama yaklaşımı

    ABDURRAHMAN YILMAZ

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

  2. Tez No

    836712

    Dijital ikiz çatıyapısı altında yapısal kirişlerin fizik bilgili sinir ağları ile dinamik modellenmesi

    Dynamical modelling of structural beams under a digital twin framework with physics-informed neural networks

    CEM SÖYLEYİCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Makine MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAKKI ÖZGÜR ÜNVER

  3. Tez No

    806065

    Yüksek hızlı trenin rüzgâr ve esnek zemin etkisi altındaki titreşimlerinin yapay zekâ algoritmaları ile aktif kontrolü

    Active control of high speed train vibrations under wind and flexible foundation using artificial intelligence algorithms

    MUSTAFA EROĞLU

    Doktora

    Türkçe

    Türkçe

    2023

    Makine MühendisliğiSakarya Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. RECEP KOZAN

  4. Tez No

    216640

    Polimer reaktörlerinde sıcaklık kontrolü ile elde edilen polistirenin nanosilika ile oluşturduğu kompozit kalitesinin incelenmesi

    The investigation of composite obtained from nanosilicate and polystyrene produced in polymerization reactor with temperature control

    RUZİYE ÇAMKERTEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Kimya MühendisliğiGazi Üniversitesi

    Kimya Mühendisliği Bölümü

    PROF. DR. SEBAHAT ERDOĞAN

  5. Tez No

    198330

    Değişken bir yörünge üzerinde hız ve konum kontrolü

    Speed and position controls on a variable trajectory

    MAHİT GÜNEŞ

    Doktora

    Türkçe

    Türkçe

    2005

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    DOÇ.DR. FEVZİ BABA

Geri Dön