Nümerik Optimizasyon için Kaotik Altın Sinüs Algoritması

Öz

Rastgele sayı dizileri, sezgisel optimizasyon algoritmalarının stokastik yapılarından dolayı sıkça kullanılmaktadır. Sezgisel optimizasyon algoritmaların global optimuma yakınsamalarında rastgele üretilen sayı dizilerinin dağılımları oldukça etkili olmaktadır. Rastgele üretilen sayıların belli bir alanda toplanması veya aynı değerler üretilmesi ile algoritmanın lokal optimumlara takılma riski artabilmektedir. Bu nedenle üretilen sayıların aynı olmaması, yayılmış spektruma sahip olması sezgisel algoritmaların performansını etkileyen durumlardır. Kaotik haritalar ayrık zamanlı sistemlerdir ve kaotik haritalarla üretilen sayılar geniş bir spektruma sahip olup periyodik değildir. Bu nedenle, sezgisel algoritmalarda kaotik harita kullanarak optimum noktalardan kaçmak ya da yerel optimuma takılma riskini azaltmak mümkün olabilmektedir. Bu çalışmada kaotik haritaların yeni optimizasyon yöntemlerinden olan Altın Sinüs Algoritması üzerindeki etkisi incelenmiştir.

Anahtar Kelimeler

• Kaotik haritalar,kaos,Altın Sinüs Algoritması,sezgisel optimizasyon

Chaotic Gold Sine Algorithm for Numerical Optimization

Öz

Random number sequences are frequently used for stochastic structures of metaheuristic optimization algorithms. The distributions of randomly generated sequences of numbers are quite effective in the convergence of heuristic optimization algorithms to the global optimum. By gathering randomly generated numbers in a certain area or by generating the same values, the risk of the algorithm to be localized may be increased. Therefore, the numbers produced are not the same, the spread spectrum has the effect of the performance of heuristic algorithms. Chaotic maps are discrete-time systems, and the numbers produced by chaotic maps have a broad spectrum and are not periodic. Therefore, it is possible to avoid the optimum points by using the chaotic map in heuristic algorithms or to reduce the risk of local optimization. In this study, the effect of chaotic maps on the Golden Sine Algorithm, which is one of the new optimization methods, has been investigated.

Anahtar Kelimeler

• Chaotic maps,chaos,Golden Sine Algorithm,metaheuristic optimization

Kaynakça

1. [1] Alatas B, Akin E, Ozer AB. Chaos embedded particle swarm optimization algorithms. Chaos, Solitons & Fractals 2009. 40(4):1715-1734. [2] Alatas B. Chaotic bee colony algorithms for global numerical optimization. Expert Syst Appl 2010. 37(8): 5682-5687. [3] Jun-feng Y, Chi M, Xiao-qi P, Zhi-kun H, Jun H. A new optimization approach-chaosgenetic algorithm, Syst Eng 2001. 1:1-5. [4] Zhenyu G, Bo C, Min Y, Binggang C. Self-adaptive chaos differential evolution. Adv Nat Comput 2006. 972–975. [5] Mingjun J, Huanwen T. Application of chaos in simulated annealing. Chaos Solitons Fractals 2004. 21: 933–941. [6] Gandomi AH, Yang XS, Talatahari S, Alavi AH. Firefly algorithm with chaos. Commun Nonlinear Sci 2012; 18(1):89-98 [7] Wang GG, Guo L, Gandomi AH, Hao GS, Wang H. Chaotic krill herd algorithm. Inform Sciences 2014; 274:17–34. [8] Tanyıldızı E, Cigal T. Kaotik Haritalı Balina Optimizasyon Algoritması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi 2017; 29(1):309-319. [9] Saremi S, Mirjalili S, Lewis A. Biogeography-based optimisation with chaos. Neural Comput Appl 2014; 25:1077–1097. [10] Tanyıldızı E, Demir G. Golden Sine Algorithm: A Novel Math-Inspired Algorithm. Adv Electr Comput En 2017; 17: 71-78 [11] Mirjalili S, Gandomi AH. Chaotic gravitational constants for the gravitational search algorithm. Appl Soft Comput 2017. 53:407-419. [12] Yao X, Liu Y, Lin G. Evolutionary programming made faster. IEEE T Evolut Comput 1999; 3(2): 82-102.