Evrimsel algoritmaların güçlendirilmesinde kullanılan karşıtlık temelli öğrenme stratejileri için bir yazılım araç kitinin geliştirilmesi
Development of a software toolbox for enhancing evolutionary algorithms with opposition-based learning strategies
- Tez No: 972839
- Danışmanlar: DOÇ. DR. TAHİR SAĞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması ile ilk aşamada, evrimsel optimizasyon algoritmalarındaki yerel optimuma takılma sorunuyla ilgili stratejilere dair kapsamlı bir literatür araştırması sunulmaktadır. Bu araştırma evrimsel optimizasyonun temel kavramlarını, yerel optimuma takılma sorununu ve bu sorunun üstesinden gelmek için geliştirilen stratejileri kapsamaktadır. Sonraki aşamada, optimizasyon problemlerinde daha iyi sonuçlar elde edilebilmek için aday çözümlerin çeşitliliğini arttırarak algoritmaların arama uzayındaki keşif kabiliyetini iyileştiren literatürdeki önemli yaklaşımlardan birisi olan Karşıtlık Temelli Öğrenme Yöntemleri üzerinde odaklanılmaktadır. Bu strateji, bir problemi optimize etmek için zıt çözümler kullanma fikrine dayanır. Zıt çözüm, genellikle başlangıç çözümünün eksik veya tamamlayıcı bir versiyonudur. Böylece, problem alanındaki çeşitlilik artırılarak daha iyi sonuçların elde edilmesi amaçlanır. Karşıtlık Temelli Öğrenme yöntemlerinin evrimsel algoritmaların performansı üzerindeki etkisini incelemek amacıyla çok sayıda mukayeseli deneysel çalışma gerçekleştirilerek kapsamlı bir tartışma sunulmuştur. Son olarak, literatürde iyi bilinen evrimsel algoritmalar, mukayese test fonksiyonları ve Karşıtlık Temelli Öğrenme yöntemlerinin sekiz farklı varyantını (Classic OBL, Quasi-reflection OBL, Center-Based Sampling OBL, Quasi OBL, Current Optimum OBL, Random OBL, Super OBL, Generalized OBL) içeren açık kaynak kodlu bir yazılım araç kiti geliştirilmiştir. Bu araç kiti, araştırmacılara optimizasyon problemlerini çözmek için algoritmaları ve Karşıtlık Temelli Öğrenme yöntemlerini karşılaştırmalı bir bakış açısıyla kullanma ve detaylı inceleme olanağı vermektedir. Deneysel çalışmalar kapsamında, benchmark setlerinden seçilmiş toplam 23 adet test fonksiyonu (F1-F23) kullanılmıştır.Bu fonksiyonlar, farklı zorluk seviyelerine ve arama uzayı özelliklerine sahip problemleri temsil ederek algoritmaların genel performansını değerlendirmek amacıyla seçilmiştir.Ayrıca elde edilen sonuçların istatistiksel olarak analiz edilip grafiklerle görselleştirilmesi sağlanmıştır. Sonuç olarak, OBL stratejilerinin evrimsel algoritmaların keşif–sömürü dengesini anlamlı biçimde iyileştirdiği ve algoritma–problem uyumuna duyarlı şekilde uygulandığında çözüm kalitesini artırdığı deneysel ve istatistiksel bulgularla ortaya konmuştur.
Özet (Çeviri)
This thesis initially presents a comprehensive literature review on strategies related to addressing the problem of local optima in evolutionary optimization algorithms. This research encompasses the fundamental concepts of evolutionary optimization, the significance of local optima issues, and the strategies developed to overcome this problem. Subsequently, the focus shifts to Opposition-Based Learning Methods, which are among the prominent approaches in the literature that enhance the exploration capability of algorithms by increasing the diversity of candidate solutions to achieve better results in optimization problems. This strategy is based on the idea of using opposite solutions to optimize a problem. The opposite solution often represents a complementary or deficient version of the initial solution, thereby aiming to increase diversity in the problem domain for improved outcomes. To investigate the impact of Opposition-Based Learning Methods on the performance of evolutionary algorithms, numerous comparative experimental studies have been conducted, leading to a comprehensive discussion. Finally, an open-source software toolkit has been developed, incorporating well-established evolutionary algorithms, benchmark test functions, and eight distinct variants of Opposition-Based Learning (OBL) methods— Classic OBL, Quasi-reflection OBL, Center-Based Sampling OBL, Quasi OBL, Current Optimum OBL, Random OBL, Super OBL, Generalized OBL. This toolkit provides researchers with the ability not only to solve complex optimization problems but also to examine and compare the performance of algorithms and OBL strategies from a rigorous and comparative perspective. Within the scope of the experimental studies, a total of 23 benchmark test functions (F1–F23), selected from standard benchmark sets, were employed to represent problems with varying levels of difficulty and diverse search space characteristics. These functions were specifically chosen to evaluate the overall performance of the proposed approaches. Moreover, the results were subjected to statistical analysis and were visualized through comprehensive graphical representations. In conclusion, the experimental and statistical findings have demonstrated that OBL strategies significantly improve the exploration–exploitation balance of evolutionary algorithms and enhance solution quality when applied in a manner sensitive to algorithm–problem compatibility.
Benzer Tezler
- Beyond digitalisation: Designing a roadmap for Block-chain embedded performance management systems
Dijitalleşmenin ötesinde: Block-chain gömülü performans yönetim sistemleri için yol haritası tasarımı
FURKAN AYRANCI
Yüksek Lisans
İngilizce
2022
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜR BERSAM BOLAT
- Protein katlanma problemi ve evrimsel algoritmaların kullanımı
The protein folding problem and the use of evolutionary algorithms
MADINA NAMAZOVA
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiÜsküdar ÜniversitesiBiyoenformatik Ana Bilim Dalı
DOÇ. DR. VİLDAN ENİSOĞLU ATALAY
- Sınıflandırma algoritmalarında öznitelik seçimi için evrimsel algoritmaların kullanımı
Use of evolutionary algorithms for feature selection in classification algorithms
SALMA KHALAFALLAH
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GAZİ ERKAN BOSTANCI
- Ayrık optimizasyon problemlerinin çözümü için yeni evrimsel algoritmaların geliştirilmesi ve analizi
Development and analysis of new evolutionary algorithms for solving discrete optimization problems
AYŞEGÜL İHSAN TOKLU
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAHİR SAĞ
- Analysis of evolutionary algorithms for constrained routing problems
Evrimsel algoritmaların yan kısıtlı rotalama problemlerinde incelenmesi
ERDEM DEMİR
Yüksek Lisans
İngilizce
2004
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HALDUN SÜRAL