Metasezgisel algoritmalarda çevrimiçi ayarlama ile uyarlanabilir parametre kontrolü
Adaptive parameter control in metaheuristic algorithms using online tuning
- Tez No: 372044
- Danışmanlar: PROF. DR. MUSTAFA SERDAR KORUKOĞLU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Parametre optimizasyonu, Parameter optimization
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Metasezgisel algoritmalar (Metaheuristic Algorithms - MHA)'ın sahip olduğu stratejik parametreler için belirlenen değerler, algoritmaların performansına doğrudan etki etmektedir. Problemden bağımsız geliştirilen MHA'ların daha iyi bir performansa sahip olmaları için parametre değerlerinin problemden probleme değişkenlik göstermesi ve ayrıca algoritmanın çalışması sırasında güncellenmesi gerekmektedir. Bu tez çalışmasında, MHA'lar için stratejik öneme sahip parametreler için iki adet çevrimiçi parametre kontrol yöntemi geliştirilmiştir. Bunlardan birincisi, çalışma zamanında arama sürecinden gelen geri-bildirimlere göre parametre değerlerinin güncellendiği uyarlanabilir parametre kontrolüdür. İkincisi ise parametre değerlerinin doğrudan algoritmanın yönetimine bırakıldığı kendinden-uyarlanabilir parametre kontrolü yöntemidir. Önerilen bu yöntemler, MHA'ların iyi örneklerinden olan; yapay arı kolonisi (Artificial Bee Colony - ABC) algoritmalarından Improved ABC (IABC) algoritması ile ateş böceği algoritması (Firefly Algorithm - FA) üzerinde uygulanmıştır. Geliştirilen uyarlanabilir IABC ve FA versiyonları, büyük ölçekli eniyileme problemlerini içeren SOCO fonksiyon kümesi üzerinde çalıştırılarak yöntemlerin başarımı değerlendirilmiştir ve tartışılmıştır.
Özet (Çeviri)
Specified values of the strategic parameters owned by the metaheuristic algorithms (MHA) have a direct impact on the performances of the algorithms. For better performance of problem independently developed MHA's, parameter values are subject to change from problem to problem and also need to be updated during the run of the algorithm. In this thesis, two online parameter control methods have been developed for the strategic parameters of MHAs. One of them is, adaptive parameter control which updates parameter values according to the feedbacks coming from the search process during run of the algorithm. The second method is management of the parameter values left to the algorithm itself called self-adaptive parameter control. These two methods have been applied to the improved ABC (IABC), one of the artificial bee colony (ABC) variant, and firefly algorithm (FA), which are good examples of MHA's. Developed adaptive IABC and FA algorithms were tested on SOCO function set which has large-scale optimization problems and performance of the methods was evaluated and discussed.
Benzer Tezler
- Etmen tabanlı benzetimde parametre ayarlama
Parameter tuning in agent based simulation
RABİA KORKMAZ TAN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞEBNEM BORA
- Çevrimiçi sosyal ağlarda derin öğrenme ve hibrit metasezgisel algoritma tabanlı nefret söylemi tespit sistemi
Deep learning and hybrid metaheuristic algorithm based hate speech detection system in online social networks
VAHTETTİN CEM BAYDOĞAN
Doktora
Türkçe
2022
Bilim ve TeknolojiFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. BİLAL ALATAŞ
- 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
- Analysis of network security using machine learning methods
Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi
MARYAM SALATI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
- Metaheuristic approaches for the generalized assignment problem of an online education website
Bir çevrimiçi eğitim web sitesinin genelleştirilmiş atama problemine yönelik metasezgisel yaklaşımlar
MERVE ÖZER
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri MühendisliğiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EKREM DUMAN