Nature-inspired evolutionary algorithms and a model proposal
Doğadan esinlenen evrimsel algoritmalar ve bir model önerisi
- Tez No: 672931
- Danışmanlar: PROF. DR. SABRİ ERDEM
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Algoritmalar, Metasezgiseller, Optimizasyon, Optimizasyon problemi, Sezgisel algoritmalar, İtici kuvvet, Algorithms, Metaheuristics, Optimization, Optimization problem, Heuristic algorithms, Repulsive forces
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, doğrusal/doğrusal olmayan sürekli kısıtsız/kısıtlı optimizasyon problemlerini çözmek için yeni bir popülasyon tabanlı evrimsel hesaplama modeli sunmaktadır. Önerilen model, iki optimizasyon algoritması içermektedir. Bunlardan ilki, birçok yerel optimuma sahip problemler için algoritmaların başlatılmasında rastgelelik çeşitliliğini bir dereceye kadar azaltan uyarlamalı başlangıç çözümleri sağlayan bir başlatma algoritmasıdır. Algoritmanın öne çıkan özelliği, yerel optimumlara takılmadan ve sorunun doğasını değiştirmeden arama alanını uyarlamalı olarak daraltma yeteneğidir. Basit rastgele yaklaşımlardan farklı olarak, önerilen algoritma çok modlu problemlerde global optimum noktasının yanlışlıkla ortadan kaldırılmasından kaçınabilmektedir. Başlangıç algoritması zaman ve performans açısından ek bir yük getirmek yerine, problemin çözülmesine katkı sağlamaktadır. İtici Kuvvetler optimizasyonu (REF) olarak adlandırılan ikinci algoritma, Newton'un Genel Yerçekimi Yasasına ve Coulomb Yasasına dayanmaktadır. REF algoritması, önerilen ilk algoritmadan farklı olarak, kısıtlama becerileriyle optimum benzeri çözümlere ulaşmayı amaçlamaktadır. Önerilen algoritma, sınırlı bir uzaydaki muhtemel yüklü parçacıkların olası çözüm noktaları olduğunu varsaymaktadır. Parçacıklar ve komşuları arasındaki kuvvetler, parçacığı daha iyi bir çözümün bulunabileceği yeni bir konuma hareket ettirir. Parçacıkların itici yapısı Coulomb Yasasının taklidi olarak düşünülebilir. Ayrıca, Tabu Arama Algoritması ve Elitizm seçim yaklaşımı önerilen algoritmanın hafıza kullanımına ilham vermektedir. Algoritmanın ilham kaynakları, daha iyi sonuçlar sağlayan en iyi özelliklerin bir kombinasyonunu oluşturmak için belirlenmiştir. Ayrıca, bu algoritma, amaç fonksiyonu değerinin yanısıra kısıtları sağlama oranlarını ve kısıtlamaların toplam sapmalarını da dikkate alan çarpımsal ceza yaklaşımı ilkesi üzerine yapılandırılmıştır. Bu nedenle sürekli kısıtlı problemleri çok iyi bir şekilde çözme yeteneğine sahiptir. Algoritmanın performansı, evrimsel optimizasyon araştırmacıları tarafından en sık kullanılan kısıtsız / sınırlı optimizasyon problemleri ve mühendislik tasarım problemleri ile test edilmiştir. Ek olarak, kıyaslama için ekonomik sevkiyat problemi de uygulanmıştır. Başlangıç algoritmasının, rastgele çözümlerden çok daha iyi yakınsadığı ve en uygun çözüme ulaşmayı hedefleyen algoritmalar için de başlangıç algoritması olarak kullanılabileceği sonucuna varılmıştır. Gerçek dünya problemlerinin deneysel sonuçları ise önerilen algoritmaların literatürde yayınlanan yöntemlere göre tatmin edici sonuçlar verdiğini göstermektedir.
Özet (Çeviri)
This study introduces a new population-based evolutionary computing model for solving linear/nonlinear continuous unconstrained/constrained optimization problems. The proposed model includes two optimization algorithms. The first one is an initialization algorithm that provides adaptive initial solutions, to some extent, reducing the diversity of randomness in the initialization of the algorithms for problems that may have many local optimums. The prominent feature of the algorithm is the ability to narrow the search space adaptively without falling into local optimums and changing the nature of the problem. Unlike simple random approaches, the proposed algorithm escapes from inadvertently removing the global optimum in multi-modal problems. In terms of time and performance, the initialization algorithm doesn't add additional burden, on the contrary, it contributes to the problem-solving procedure. The second proposed algorithm called Repulsive Forces Optimization (REF) depends on Newton's General Gravity Law and Coulomb's Law. Different from the first algorithm, the REF algorithm aims to reach optimum-like solutions by constraint-handling abilities. REF algorithm assumes that likely charged particles in a bounded space are possible solution points. The forces between the particle and its neighbors make the particle moved to a new location where a better solution may exist. The repulsive structure of the particles could be considered as the mimics of Coulomb's Law. Furthermore, Tabu Search Algorithm and Elitism selection approach inspire the memory usage of the proposed algorithm. The inspirations of the REF algorithm are determined to create the best combination of features that provides better results. Besides, this algorithm is structured on the principle of multiplicative penalty approach that considers satisfaction rates and the total deviations of constraints as well as objective function value for constraint handling. For this reason, it can handle continuous constrained problems very well. The performances of the algorithms are evaluated with unconstrained/bounded optimization benchmarks and engineering design problems that belong to the most commonly used cases by evolutionary optimization researchers. In addition, an economic dispatch problem is also applied for benchmarking. It is concluded that the initialization algorithm converges much better than random solutions and it is applicable for further studies focusing on better initial solutions that guide reaching an optimal solution. Experimental results of real-world problems show that the proposed algorithms produce satisfactory results compared to the methods published in the literature.
Benzer Tezler
- Energy management strategy and nature-inspired methods for integrating renewable energy system considering cost and renewability
Maliyet ve yenilenebilirlik göz önünde bulundurularak yenilenebilir enerji sisteminin entegrasyonu için enerji yönetim stratejisi ve doğadan esinlenen yöntemler
OMAR HUSAIN ALYATAEM
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiOstim Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. HÜSEYİN KÖSE
- Bambu malzeme davranışına bir model olarak kabuk strüktür tasarım ve şekil optimizasyonu
Shell structure design and shape optimization as a model for material behavior of bamboo
ESRA DEMİREL
Yüksek Lisans
Türkçe
2018
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. LEMAN FİGEN GÜL
- Olimpik havuz plan şeması tasarımında genetik algoritmaya dayalı bir model
Olympic pool plan design of a scheme based on genetic algorithm to model
KADİR ÇALIŞIR
- Genetik algoritmaya dayalı kitlesel bireyselleştirme amaçlı konut tasarım modeli
A mass customization oriented housing design model based on genetic algorithm
ÖZGE GÜNGÖR
Yüksek Lisans
Türkçe
2010
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
- Sürü tabanlı karınca aslanı ve balina optimizasyonu algoritmalarının fizik tabanlı algoritmalarla hibritleştirilmesi
Hybridization of swarm-based ant lion and whale optimization algorithms with physics-based algorithms
BAHADUR ALIZADA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA DANACI