Yılan optimizasyonu algoritmasının hibrit ve ikili yaklaşımlarının geliştirilmesi
Development of hybrid and binary approaches of the snake optimization algorithm
- Tez No: 984027
- Danışmanlar: PROF. DR. MEHMET HACIBEYOĞLU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, sürekli ve ayrık optimizasyon problemlerini çözmek amacıyla iki yenilikçi meta-sezgisel algoritma geliştirilmiştir. İlk olarak, Yılan Optimizasyonu algoritmasının keşif yeteneklerini artırmak için Parçacık Sürü Optimizasyonu algoritmasının hız vektörü mekanizması Yılan Optimizasyonu algoritmasına entegre edilerek hibrit SO-PSO yöntemi önerilmiştir. Önerilen yaklaşım ile Yılan Optimizasyonu algoritmasının arama alanını genişletmesi ve ayrılan iterasyonları daha etkili kullanması sağlanmıştır. SO-PSO algoritmasının performansı klasik benchmark problemleri ile değerlendirilmiş, ayrıca kaydırılmış ve döndürülmüş benchmark fonksiyonları ve yedi farklı gerçek dünya mühendislik problemi üzerinde Balina Optimizasyon Algoritması, Parçacık Sürü Optimizasyonu, Gri Kurt Optimizasyonu, Denge Optimizasyonu, Lineer Popülasyon Boyutu Azalmalı Diferansiyel Evrim ve Yılan Optimizasyonu gibi güncel meta-sezgisel algoritmalarla karşılaştırılmıştır. Farklı boyut ve popülasyon değerleriyle gerçekleştirilen testler sonucunda SO-PSO, Friedman sıralamasında diğer algoritmalar arasında en yüksek dereceyi elde etmiştir. Ayrıca Wilcoxon işaretli sıra testine göre, önerilen yöntem kaydırılmış ve döndürülmüş benchmark fonksiyonlarında 0,05 önem derecesine göre %96,42, mühendislik problemlerinde ise %93,65 oranında istatistiksel olarak anlamlı farklılık göstermiştir. İkinci olarak, ayrık optimizasyon problemlerine yönelik SO algoritmasının ikili versiyonu olan BinSO geliştirilmiştir. BinSO algoritması, 0-1 sırt çantası problemleri ve küme birleşimli sırt çantası problemleri üzerinde test edilmiş ve başarılı sonuçlar elde edilmiştir. Algoritmanın ikili arama uzayında etkili keşif ve sömürü dengesi kurarak rekabetçi bir ikili optimizasyon yöntemi olduğu ortaya konmuştur. Deneysel sonuçlar, önerilen hibrit (SO-PSO) ve adaptif (BinSO) yaklaşımların hem teorik kıyaslama fonksiyonlarında hem de gerçek dünya mühendislik problemlerinde, güncel algoritmalardan daha iyi performans gösterdiğini ortaya koymuştur. Bu çalışma, meta-sezgisel optimizasyon alanına katkı sağlamakta olup, geliştirilen algoritmaların çeşitli uygulama alanlarında etkili şekilde kullanılabileceğini göstermektedir.
Özet (Çeviri)
In this thesis, two novel metaheuristic algorithms are developed to solve continuous and discrete optimization problems. First, in order to enhance the exploration capability of the Snake Optimizer, the velocity vector mechanism from Particle Swarm Optimization was integrated into the Snake Optimizer algorithm, resulting in the hybrid SO-PSO method. This approach enables the SO algorithm to expand its search space and utilize the allocated iterations more effectively. The performance of the SO-PSO algorithm was tested on classical benchmark problems, as well as compared with contemporary metaheuristic algorithms such as Whale Optimization Algorithm, Particle Swarm Optimization, Grey Wolf Optimization, Equlibrium Optimizer, Differential Evolution with Linear Population Size Reduction, and SO on shifted and rotated benchmark functions and seven different real-world engineering problems. Tests performed with different dimensional and population values revealed that SO-PSO achieved the highest rank in the Friedman ranking among others. Additionally, according to the Wilcoxon signed-rank test, the proposed method demonstrated statistically significant superiority at rates of 96.42% for shifted and rotated benchmark functions and 93.65% for engineering problems in significance level of 0.05. Secondly, the binary version of the SO algorithm, BinSO, was developed for discrete optimization problems. The BinSO algorithm was tested on 0-1 Knapsack Problems and Set-Union Knapsack Problems and yielded successful results. It has been demonstrated that the algorithm achieves an effective balance between exploration and exploitation in the binary search space, proving to be a competitive binary optimization method. Experimental results revealed that the proposed hybrid (SO-PSO) and adaptive (BinSO) approaches outperformed contemporary algorithms in both theoretical benchmark functions and real-world engineering problems. This study not only contributes to the field of metaheuristic optimization but also demonstrates that the developed algorithms can be effectively used in various application domains.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Makine öğrenimi yaklaşımlarına dayanan sincap kafesli asenkron makine tasarımı optimizasyon tekniği
Squirrel cage asynchronous machine design optimization technique based on machine learning approaches
SEMA NUR İPEK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMURAN NUR BEKİROĞLU
DR. ÖĞR. ÜYESİ ENGİN AYÇİÇEK
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Yapısal hasar tespitinde elektrikli yılan balığı optimizasyon algoritmasının uygulanması
Application of electric eel foraging optimization algorithm in structural damage detection
ALEYNA ZIVALIOĞLU
Yüksek Lisans
Türkçe
2025
İnşaat MühendisliğiAkdeniz Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AYDOĞDU