Enerji verimliliği analizinde iyileştirilmiş yabani at eniyileyici – çok katmanlı almaç hibrit (IWHO-MLP) modelinin kullanımı
Using an improved wild horse optimizer - multilayer perceptron hybrid (IWHO-MLP) model in energy efficiency analysis
- Tez No: 965283
- Danışmanlar: PROF. DR. NEJAT YUMUŞAK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Bu çalışma, Yabanî At Optimize Edici'nin optimizasyon süreçlerindeki başarısını artırmak amacıyla, yerel uzaylarda takılma ve erken yakınsama sorunlarının üstesinden gelebilecek stratejiler geliştirmeyi hedeflemektedir. Performans değişimi, çok katmanlı algılayıcı örneği aracılığıyla gözlemlenmektedir. Bu bağlamda, Rastgele Yürüyüş Stratejisi kullanarak yerel uzaylarda çözüm çeşitliliği sağlamak amacıyla Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması geliştirilmiştir. Bu algoritmanın performans ölçümü için iki zorlu test seti olan CEC 2019 seçilmiştir. Alternatif algoritmalarla rekabet gücü ölçülmüş ve performansının üstün olduğu gösterilmiştir. Bu üstünlük, yakınsama eğrileri ve kutu grafikleri ile görsel olarak ortaya konmuştur. Önerilen algoritmanın, farklı ve güçlü bir algoritma olarak değerlendirilebilmesi için Wilcoxon işaretli sıra testi kullanılmıştır . Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması, gerçek dünya problemini ele alarak Çok Katmanlı Almaç eğitimine uygulanmıştır. Hem Yabanî At Optimize Edici hem de Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici algoritmaları Hataların Karesinin Ortalaması sonuçları ve Alıcı Operatör Karakteristiği eğrileri kullanılarak test edilmiştir. Çok katmanlı almaç eğitimi için University of California Irvine'dan Enerji Verimliliği Problemi veri seti kullanılmıştır. Bu veri seti, akıllı binaların giriş özelliklerini dikkate alarak ısıtma yükü veya soğutma yükü faktörlerini değerlendirmektedir. Amaç, akıllı binalarda ısıtma, havalandırma ve klima sistemleri teknolojisinin kullanımı yoluyla ısıtma yükü ve soğutma yükü faktörlerinin en verimli şekilde değerlendirilmesini sağlamaktır. Çok katmanlı almaç mimarisini eğitmek için Yabanî At Optimize Edici ve Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici seçilmiş ve önerilen Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması'nın daha iyi sonuçlar ürettiği gözlemlenmiştir.
Özet (Çeviri)
This study aims to develop strategies that can overcome local space entrapment and premature convergence problems in order to enhance the success of the Wild Horse Optimization (WHO) algorithm in optimization processes. Performance variation is observed through a Multilayer Perceptron (MLP) example. In this context, the Improved Wild Horse Optimizer (IWHO) algorithm has been developed using the Random Walk Strategy (RW) to provide solution diversity in local spaces. The challenging test suite CEC 2019 was selected to measure IWHO's performance. Its competitiveness was measured against alternative algorithms, demonstrating superior performance. This superiority has been visually demonstrated through convergence curves and box plots. The Wilcoxon signed-rank test was used to evaluate IWHO as a different and powerful algorithm. The IWHO algorithm addressed real-world problems by applying it to MLP training. Both WHO and IWHO algorithms were tested using MSE results and ROC curves. The Energy Efficiency Problem dataset from UCI (University of California Irvine) was used for MLP training. This dataset evaluates heating load (HL) or cooling load (CL) factors by considering the input characteristics of smart buildings. The objective is to ensure the most efficient evaluation of HL and CL factors through the use of HVAC (heating, ventilating, and air conditioning) technology in smart buildings. WHO and IWHO were selected to train the MLP architecture, and it was observed that the proposed IWHO algorithm produced better results.
Benzer Tezler
- From data to action: Transforming pressure testing in manufacturing with machine learning for enhancing energy efficiency
Veriden aksiyona: Üretimdeki basınç testini makine öğrenimiyle dönüştürmek ve enerji verimliliğini artırmak
ERHAN YILDIZ
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Identification of thermal characteristics of traditional Russian stove based on computational fluid dynamics and energy performance analyses
Geleneksel Rus şöminesinin ısıl özeliklerinin hesaplamalı akışkanlar dinamiği ve enerji performans analizleri ile incelenmesi
HALE TUĞÇİN KIRANT
Yüksek Lisans
İngilizce
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. HATİCE SÖZER
- Yeni nesil aşırı yoğun heterojen haberleşme ağlarında stokastik geometri modelleri ile baz istasyonları yerleşimi
Base station deployment in next generation ultra dense heterogeneous communication networks via stochastic geometry models
MİNE ARDANUÇ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Sabit mıknatıslı senkron generatörlü rüzgar türbin sistemlerinin kaotik analizi ve senkronizasyonu
Chaotic analysis and synchronization in permanent magnet synchron generator of wind turbine systems
ABDALLAH MOUSSA YAYA
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Architectural retrofit of educational buildings towards nearly zero energy and cost optimal levels considering the life cycle and occupant comfort
Yaşam döngüsü ve kullanıcı konforuna göre yaklaşık sıfır enerji ve optimal maliyet seviyelerine yönelik eğitim binalarının mimari yönden iyileştirilmesi
NAZANIN MOAZZEN FERDOS
Doktora
İngilizce
2020
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. LEYLA TANAÇAN
PROF. DR. MUSTAFA ERKAN KARAGÜLER