Optimizasyon için metasezgiseller ve makine öğrenmesine dayalı hibrit bir yaklaşım
A hybrid approach based on metaheuristics and machine learning for optimization
- Tez No: 924611
- Danışmanlar: PROF. DR. GÜRKAN ÖZTÜRK
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Bu çalışmada, makine öğrenmesi yöntemlerinin metasezgisel algoritmalarla entegrasyonu yoluyla performanslarının artırılması incelenmiştir. Literatürde, makine öğrenmesi yöntemlerinin metasezgisel algoritmaların etkinliğini artırmaya yönelik kullanıldığı çalışmalar detaylı bir şekilde incelenmiş ve bu doğrultuda, Q-öğrenme tabanlı tüm makine öğrenmesi yöntemlerini birleştiren yenilikçi bir yaklaşım önerilmiştir. Önerilen yöntem, Gezgin Satıcı Problemi (GSP) üzerinde uygulanmış ve Genetik Algoritma (GA) ile Rassal Anahtarlı Genetik Algoritma (RAGA) gibi metasezgisel yöntemlerle karşılaştırılmıştır. Sonuçlar, önerilen yaklaşımın hem çözüm kalitesi hem de hesaplama verimliliği açısından mevcut metasezgisel algoritmalara göre belirgin bir üstünlük sağladığını göstermektedir. Deneysel sonuçlar, önerilen yöntemin çözüm kalitesi ve hesaplama verimliliği açısından geleneksel metasezgisel yöntemlere kıyasla üstün performans gösterdiğini ortaya koymaktadır. Q-öğrenme tabanlı hibrit yaklaşım, çözüm alanındaki keşif ve sömürü dengesini dinamik olarak optimize ederek daha etkili bir arama süreci sağlamaktadır. Elde edilen bulgular, önerilen yöntemin sadece GSP ile sınırlı kalmayıp diğer kombinatoryal optimizasyon problemlerine de genellenebilir olduğunu göstermektedir. Bu tez, makine öğrenmesi ve metasezgisel algoritmaların entegrasyonuna yönelik güçlü bir çerçeve sunarak, gelecekteki araştırmalara ve uygulamalara ışık tutmaktadır.
Özet (Çeviri)
This study examines the enhancement of the performance of metaheuristic algorithms through their integration with machine learning methods. In the literature, studies utilizing machine learning to improve the effectiveness of metaheuristics have been thoroughly analyzed, and accordingly, an innovative approach that combines all machine learning methods based on Q-learning has been proposed. The proposed method was applied to the Traveling Salesman Problem (TSP) and compared with metaheuristic methods such as Genetic Algorithm (GA) and Random-Key Genetic Algorithm (RKGA). The results demonstrate that the proposed approach provides significant superiority over existing metaheuristic algorithms in terms of both solution quality and computational efficiency. Experimental results reveal that the proposed method outperforms traditional metaheuristic methods in terms of solution quality and computational efficiency. The Q-learning-based hybrid approach dynamically optimizes the balance between exploration and exploitation in the solution space, enabling a more effective search process. The results indicate that the proposed method is not limited to TSP but can also be generalized to other combinatorial optimization problems. This thesis provides a robust framework for the integration of machine learning and metaheuristic algorithms, shedding light on future research and applications.
Benzer Tezler
- Akış tipi çizelgeleme problemlerinin çözümünde metasezgisel yaklaşımların karşılaştırmalı olarak analizi
A comparative analysis of metaheuristic approaches developed for solving flowshop scheduling problems
MURAT RUHLUSARAÇ
- Optimizing flexible job shop scheduling using the adaptive Big-Bang Big Crunch algorithm
Uyarlanabilir Big Bang Big Crunch algoritmalarıyla kullanarak esnek iş atölyesi planlamasını optimize etme
MAHA LAYTH AL-RAJAB
Yüksek Lisans
İngilizce
2024
Makine MühendisliğiAtılım Üniversitesiİmalat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BAHRAM LOTFİ
- Makine mühendisliği problemlerinin metasezgisel algoritmalarla çözülmesi ve sonuçlarının karşılaştırılması
Solving mechanical engineering problems with metaheuristic algorithms and comparing the results
SAMET PANDA
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiBandırma Onyedi Eylül ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERHAT KILIÇARSLAN
- Application of metaheuristics for the feature selection problem
Metasezgisellerin özellik seçimi problemi için uygulanması
GÜLŞAH KALAYCI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ALKAYA
- Hybrid metaheuristics for selected optimization problems
Seçilmiş optimizasyon problemleri için hibrit metasezgiseller
RAMAZAN ALGIN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ FUAT ALKAYA
DOÇ. DR. MUSTAFA AĞAOĞLU