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: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Hücresel yapay sinir ağları, Metasezgiseller, Cellular artificial neural networks, Metaheuristics
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Sanayi politikaları ve planlı dönemde imalat sanayine etkileri
Başlık çevirisi yok
AHMET CAFOĞLU
Yüksek Lisans
Türkçe
1986
EkonomiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YALÇIN EROL
- Çeltik kabuklarının yalıtım malzemesi olarak kullanılması
Başlık çevirisi yok
B.CİHAN ÇELEBİ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET KIRBIYIK
- Pasif güneş enerjisi sistemi ile bina ısıtılmasının ekonomik analizi
Başlık çevirisi yok
AHMET AKDENİZ
- Plazma arkı eldesi ve yüzey bölgesi modifikasyonunda kullanılabilirliği
Başlık çevirisi yok
ÖZKAN ÖZİPEKLİLER
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ
- Dislokasyon-dislokasyon etkileşimi
Başlık çevirisi yok
YILDIRIM AYDOĞDU
Yüksek Lisans
Türkçe
1987
Fizik ve Fizik Mühendisliğiİnönü ÜniversitesiFizik Ana Bilim Dalı
Y.DOÇ.DR. MUSTAFA DİKİCİ