A study to improve performance of genetic algorithms
Genetik algoritmaların performansını geliştirme üzerine bir çalışma
- Tez No: 607241
- Danışmanlar: DOÇ. DR. MUSTAFA ORAL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Seçim işlemi, robot uygulamaları, görüntü ve ses tanıma, yapay zekâ uygulamaları, yol bulma problemleri, çizelgeleme problemleri vb. gibi alanlarda sıklıkla kullanılan Genetik Algoritmaların (GA) en önemli adımlarından biridir. GA'larda, arama ve didikleme arasındaki uyumun ayarlanamaması ve uygun parametre ayarlarının seçilememesi, erken yakınsamaya ve lokal optimuma sıkışmaya neden olabileceğinden, çoğu seçim yönteminin temel sorunlarındandır. Bu problemlerin üstesinden gelmek için iki yaygın yöntem kullanılmaktadır: yeni bir seçim yöntemi sunmak, mevcut bir algoritmanın parametrelerini ayarlamak. Çalışmanın ilk bölümünde, GA'ların problemlerini çözmek için yeni seçim yöntemleri önerilmiştir: Saldırgan, Saldırgan Olmayan, Bütünleşik Saldırgan, Bütünleşik Saldırgan Olmayan, Yabancı, Saldırgan Olmayan Yabancı, Bipolar Eşleşme Eğilimi (BMT). Yöntemlerin çoğu Standart Turnuva (ST) seçimine dayandığından, performansları ST ve ST'ye dayanan yaygın seçim yöntemleri olan Sınırlı Turnuva, Tarafsız Turnuva, İnce Taneli Turnuva ve Kooperatif Turnuva yöntemleri ile karşılaştırılmıştır. Karşılaştırma için GA alanında iyi bilinen yirmi bir test fonksiyonu kullanılmıştır. Ayrıca, sonuçların anlamlı olduğunu göstermek için parametrik olmayan istatistiksel testler, Friedman ve Wilcoxon İşaretli Sıra, uygulanmıştır. İkinci bölümde ise, standart GA'ların en iyi performansını elde etmek için, meta arama yöntemleri (Kaba Kuvvet ve Kabadan İnceye Arama) ve meta optimizasyon algoritmaları (GA, Parçacık Sürü Optimizasyonu ve BMT) uygulanarak standart GA'ların parametre ayarları belirlenmiştir. Ayrıca, ikinci kısım, meta optimizasyon literatürü için kısa bir araştırma içermektedir.
Özet (Çeviri)
Selection is one of the most crucial steps of Genetic Algorithms (GAs) that commonly used in areas of robot applications, image and voice recognition, artificial intelligence applications, path finding problems, scheduling problems, etc. In GAs, lack of adjusting the balance between exploration and exploitation, and selecting appropriate parameter settings are main problems of most selection methods as they cause premature convergence and trapping in local optima. In order to overcome these problems, two common techniques have been utilized: presenting a new selection method, tuning the parameter of an existing algorithm. In the first part of study, new selection methods, Aggressive, Non-Aggressive, Integrated Aggressive, Integrated Non-Aggressive, Outlander, Non-Aggressive Outlander, Bipolar Mating Tendency (BMT), were proposed to solve the problems. As most of the methods are based on Standard Tournament Selection (ST), their performances were compared with ST and prevalent selection methods that are also based on ST: Restricted Tournament, Unbiased Tournament, Fine-Grained Tournament and Cooperative Selections. Twenty-one well known test functions in the field of GAs were employed for the comparison. Furthermore, non-parametric statistical tests, Friedman and Wilcoxon Signed Rank, were applied to demonstrate the significance of the results. In the second part of the study, meta search methods (Brute Force and Coarse to Fine) and meta optimization algorithms (GAs, Particle Swarm Optimization and BMT) were applied to tune standard GAs in order to achieve its best performance. Moreover, the second part contains a short survey in the literature of meta optimization.
Benzer Tezler
- Akış tipi çizelgeleme problemlerinin genetik algoritma (GA) ile çözüm performansının artırılmasında deney tasarımı uygulaması
Experimental design in improving solution performance by using genetic algorithm (GA) of the problem of scheduling jobs in a flow-shop
HAKAN EREN
Yüksek Lisans
Türkçe
2002
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPASLAN FIĞLALI
- Multi-objective optimization to increase the performance of a toroidal propeller
Toroidal bir pervanenin performansının artırılması için çok amaçlı optimizasyon
ÖMER ÇİFTÇİ
Yüksek Lisans
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERTAÇ ÇADIRCI
- Application of genetic algorithms to analysis and policy design in system dynamics
Sistem dinamiği modellerinin analizi ve strateji tasarımında genetik algoritma uygulamaları
CEYHUN EKSİN
Yüksek Lisans
İngilizce
2009
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Bölümü
PROF. YAMAN BARLAS
- GSP çözümü başarımını artırmak için hibrit sezgisel algoritma tasarımı
Hybrid heuristic algorithm design to improve the performance of the TSP solution
RAED ASHRAF KAMIL AL-BADRI
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUNCAY AYDOĞAN
- Hücresel genetik algoritmaların incelenmesi ve performansının geliştirilmesi
Investigation of cellular genetic algorithms and improvement of their performance
SEVGİ AKTEN KARAKAYA
Doktora
Türkçe
2024
Bilim ve Teknolojiİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. MEHMET HAKAN SATMAN