Intelligent solution space search and reduction using tree-based learning methods
Ağaç tabanlı öğrenme yöntemleri kullanarak çözüm uzayının akıllı şekilde aranması ve daraltılması
- Tez No: 972010
- Danışmanlar: DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, ağaç tabanlı makine öğrenimi tekniklerinin entegrasyonu yoluyla optimizasyon problemlerinin performansını artırmaya yönelik üç yenilikçi algoritmanın geliştirilmesini ve değerlendirilmesini sunmaktadır. İlk algoritma olan“Popülasyon Yönetimi Eklenmiş Çıkar-Ekle Algoritması,”veri madenciliği ve optimizasyonu popülasyon tabanlı sezgisel bir çerçevede birleştirir. p-median problemi ve Kareleme Atama Problemi (QAP) üzerindeki kapsamlı hesaplamalı sonuçlar, bu algoritmanın geleneksel yöntemlere kıyasla üstün performansını göstermektedir. İkinci algoritma olan“Değişken Sabitleme Algoritması,”aktif öğrenme ve en kötü yaprak düğümü yol bölme kararlarını kullanarak değişken sabitlemek için regresyon ağaç kuralları setlerini kullanır. QPLIB örnekleri üzerindeki kapsamlı hesaplamalı sonuçlar, bu yaklaşımın çözüm çeşitliliğini artırmada, erken yakınsamayı önlemede ve hesaplama verimliliğini sağlamada etkinliğini vurgulamaktadır. Üçüncü algoritma olan“Öğrenme Tabanlı Değişken Kısıtları Üretme Algoritması,”optimizasyon sürecini yönlendiren sınırları oluşturmak için önceki iterasyonlardaki verileri ve regresyon ağaç modellerini kullanır, böylece arama alanını etkili bir şekilde daraltır ve yakınsamayı hızlandırır. Deneysel sonuçlar, daha derin regresyon ağaçlarının, özellikle karmaşık çözüm uzayı için üretilen sınırların kalitesini artırdığını göstermektedir. Kapsamlı deneyler ve karşılaştırmalı analizler yoluyla, bu araştırma bu algoritmaların çözüm kalitesini ve hesaplama verimliliğini artırmadaki etkinliğini göstermektedir. Bulgular, ağaç tabanlı öğrenmenin yüksek kaliteli ve düşük kaliteli çözümler arasında etkili bir şekilde ayrım yapma ve algoritmayı daha kaliteli çözüm alanlarına yönlendirme yeteneğini vurgulamaktadır.
Özet (Çeviri)
This thesis presents the development and evaluation of three innovative algorithms aimed at improving the solution performance of optimization problems through the integration of tree-based machine-learning techniques. The first algorithm,“Remove-Add Algorithm Augmented by Population Management,”combines machine learning and optimization within a population-based heuristic framework. Extensive computational results on the p-median problem and Quadratic Assignment Problem (QAP) demonstrate its superior performance compared to traditional methods. The second algorithm,“Variable Fixing Algorithm,”utilizes rule sets for variable fixing generated by regression trees that utilize active learning and worst leaf node path split decisions. Extensive computational results on the QPLIB instances highlight the approach's effectiveness in enhancing solution diversity, preventing premature convergence, and ensuring computational efficiency. The third algorithm,“Learning-Based Bound Generating Algorithm,”uses historical data and regression tree models to generate lower and upper bounds for decision variables that guide the optimization process, effectively narrowing the search space and accelerating convergence. Experimental results show that deeper regression trees improve the quality of generated bounds, particularly for complex optimization landscapes. Through comprehensive experiments and comparative analyses, this research demonstrates the effectiveness of these algorithms in improving solution quality and computational efficiency. The findings underscore the ability of tree-based learning to effectively differentiate between high-quality and low-quality solutions, guiding the algorithm toward highly promising regions of the solution space.
Benzer Tezler
- Optik haberleşme sistemlerinde zeki optimizasyon teknikleri ile tepe gücü / ortalama güç oranının düşürülmesi
Peak-to-average power ratio reduction using intelligent optimization techniques in optical communication systems
MAHMOUD Y K ALHALABI
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NECMİ TAŞPINAR
- Elektrokardiyogram verilerinin iyileştirilmiş yapay arı kolonisi (MABC) algoritması ile analizi
Analysis of electrocardiogram data by using modified artificial bee colony (MABC) algorithm
SELİM DİLMAÇ
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Büyük boyutlu veriler için metasezgisel yöntemler ile öznitelik indirgemede yeni bir yaklaşım geliştirilmesi
Developing a new approach to feature selection with metaheuristic methods for large scale data
ESİN AYŞE ZAİMOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİLÜFER YURTAY
- Zaman alanı performans kriterlerine dayalı yapay zekâ destekli pıd denetleyici parametre ayarı
Ai-assisted pid controller parameter tuning based on time-domain performance criteria
MUHAMMET ENSAR AÇIKMEŞE
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN
- Darboğaz bir makinada metasezgisel yöntemlerletoplam hazırlık zamanı minimizasyonu
Minimization of total setup time on a bottleneck machine using metaheuristic methods
MUHAMMET AYDIN
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALİL İBRAHİM DEMİR