Yeni bir popülasyon tabanlı metasezgisel optimizasyon yöntemi: Atış algoritması
A new population-based metaheuristic optimization method: Shooting algorithm
- Tez No: 917262
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER GİRAN
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, İnşaat Mühendisliği, Industrial and Industrial Engineering, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: İnşaat Mühendisliği Bilim Dalı
- Sayfa Sayısı: 113
Özet
Bu tez çalışması kapsamında, tüfek atış fenomeninden esinlenilerek yeni bir metasezgisel optimizasyon algoritması olan Atış Algoritması önerilmiş ve literatürde sıklıkla kullanılan optimizasyon algoritmaları ile karşılaştırılarak performans değerlendirmesi yapılmıştır. Atış Algoritması, arama uzayını hedef tahtası olarak ele alır ve optimum çözümü, saçmaların iteratif daralmalarla hedefe yönlendirilmesi metaforuyla arar. Kör atış ile başlangıç popülasyonu oluşturulur, en iyi değerler bulunarak aralarındaki öklidyen mesafe ile yeni atış çapı ve merkezi belirlenerek en iyi değerler etrafında yeni atışlar yapılır. Atış çapı sürekli iyileştirmelerle hedefe doğru daralarak ilerler. Karşılaştırmada Genetik Algoritma, Parçacık Sürü Optimizasyonu, Arı Kolonisi Algoritması ve Balina Optimizasyon Algoritmaları ile literatürde sıklıkla kullanılan farklı tiplerde 16 test fonksiyonu kullanılmıştır. Yapılan analizler ile algoritmaların yakınsama, çözüm hassasiyeti ve tutarlılık performansları incelenmiştir. Tek modlu fonksiyonlarda global optimuma düşük hata oranını ve standart sapmalarla yakınsama sağlanırken çok modlu test fonksiyonlarda rekabetçi sonuçlar vermiştir. Parametrik olmayan istatistiksel analizler sonucunda Atış Algoritması, düşük standart sapma ve yüksek hassasiyet ile birçok test fonksiyonunda diğer algoritmalardan istatistiksel açıdan anlamlı farklarla üstün performans sergilemiştir. Atış Algoritması, genel olarak tutarlı ve güvenilir bir optimizasyon yöntemi olarak değerlendirilmiştir. Özellikle hassasiyet gerektiren fonksiyonlarda etkin bir performans sergilemiştir. Dinamik ve uyarlanabilir mekanizmalarla algoritmanın performansı daha da artırılabilir. Elde edilen sonuçlar, Atış Algoritmasının geniş bir uygulama alanında kullanılabileceğini ve literatüre önemli bir katkı sağlayacağını göstermektedir.
Özet (Çeviri)
In this thesis, a novel metaheuristic optimization algorithm, inspired by the rifle shooting phenomenon and named the Shooting Algorithm, is introduced and its performance is systematically evaluated in comparison with widely used optimization algorithms in the literature. The Shooting Algorithm conceptualizes the search space as a target board, aiming to identify the optimal solution by iteratively narrowing the spread of“shots”toward the target. The algorithm begins with an initial population generated through random shooting, identifies the best candidate solutions, and subsequently refines the search by generating new shots centered around these best solutions. The radius and center of the new shots are determined based on their Euclidean distances, and the shot radius progressively decreases with each iteration, honing in on the optimal solution. To assess the performance of the Shooting Algorithm, a comprehensive benchmark using 16 test functions commonly employed in the literature was conducted. The algorithm's results were compared against those of Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Bee Colony Algorithm (BCA), and Whale Optimization Algorithm (WOA). Performance metrics, including convergence behavior, solution accuracy, and consistency, were analyzed. The results demonstrated that the Shooting Algorithm achieved low error rates and standard deviations on unimodal functions and produced competitive outcomes on multimodal functions. Non-parametric statistical analyses further indicated that the Shooting Algorithm significantly outperformed other algorithms, displaying superior accuracy and consistency across numerous test functions. In conclusion, the Shooting Algorithm is evaluated as a reliable and robust optimization method, particularly excelling in problems requiring high precision. Its performance can potentially be enhanced through the incorporation of dynamic and adaptive mechanisms. The findings suggest that the Shooting Algorithm is a versatile tool with applications across various domains, representing a noteworthy contribution to the field of metaheuristic optimization.
Benzer Tezler
- Turnuva seçim yöntemi ile geliştirilmiş ağaç tohum algoritması kullanılarak enerji talep tahmin probleminin çözümü
Solution of energy demand forecasting problem using tree seed algorithm enhanced with tournament selection method
AYŞE BEŞKİRLİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN TEMURTAŞ
DR. ÖĞR. ÜYESİ DURMUŞ ÖZDEMİR
- Optimization of centrifugal fan design using genetic algorithm and CST method
Genetik algoritma ve CST yöntemi ile santrifüj fan tasarımının optimizasyonu
ERKAN BİÇER
Yüksek Lisans
İngilizce
2025
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR
- Ayrık optimizasyon problemlerinin çözümü için Jaya algoritması tabanlı yeni yaklaşımlar
Jaya algorithm based new approaches for solving discrete optimization problems
MURAT ASLAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MESUT GÜNDÜZ
- A condition coverage-based black hole inspired meta-heuristic for test data generation
Koşullu kaplam tabanlı ve kara delik algoritması bazlı test verisi üretimi için meta-sezgisel bir yöntem
DERYA YELİZ ULUTAŞ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN
- Gezgin satıcı problemi için diferansiyel gelişim algoritması tabanlı bir metasezgisel önerisi
A differential evolution algorithm based metaheuristic proposal for the traveling salesman problem
ÜMİT TERZİ
Doktora
Türkçe
2009
Endüstri ve Endüstri MühendisliğiKocaeli ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALPASLAN FIĞLALI