GÖÇ EDENLER KUŞLAR ALGORİTMASINDA KAOS FONKSİYONLARININ KULLANILMASI

Abstract

Olasılıksal eniyileme algoritmaları çalışmalarının birçok aşamasında rastlantısal veri kullanmaktadırlar ve performansları büyük oranda bu rastlantısal verinin dağılımına göre değişiklik göstermektedir. Bu noktadan hareketle farklı rastlantısal veri kaynaklarının eniyileme algoritmalarının performansına etkisi son zamanlardaki birçok çalışmanın odak noktası olmuştur. Kaotik eşlem fonksiyonları matematiksel özellikleri sonucu rastlantısal veri kaynağı olarak kullanılmaya oldukça elverişlidir.  Bu çalışmada kaotik eşlem fonksiyonlarının popülasyon tabanlı evrimsel bir algoritma olan göç eden kuşlar algoritmasına etkisi bilgisayar mimarisinin güncel problemlerinden biri olan görev dağıtım problemi üzerinde deneysel olarak incelenmiştir. Deneyler neticesinde bir kısım kaotik eşlem fonksiyonlarının ele alınan problem için uygun olmadığı gözlense de, klasik rastlantısal veri üretme algoritmaları ile başa baş performans sergileyen kaotik eşlem fonksiyonlarının da bulunduğu görülmüştür.

Keywords

• Olasılıksal Eniyileme,Kaos Teorisi; Görev Dağıtım Problemi

References

1. Copponetto R., Fazzino S. ve Xibillia M. G., "Chaotic Sequences to Improve the Performance of Evolutionary Algorithms", IEEE Transactions On Evolutionary Computation, Cilt 7, No 3, 289-304, 2003.
2. Schuster H. G., "Deterministic Chaos", Wiley, New York, 1988.
3. Wong K, Man KP, Li S ve Liao X. “More secure chaotic cryptographic scheme based on dynamic look-up table circuits” Syst Signal Process, Cilt 24 No 5, 571–84, 2005.
4. Suneel M., “Chaotic sequences for secure CDMA” Ramanujan Institute for Advanced Study in Mathematics, Chennai, 1-4, 6-8 Şubat 2006.
5. Arena P., Caponetto R., Fortuna L., Rizzo A. ve La Rosa M., “Self organization in non recurrent complex system”, Int J Bifurc Chaos, Cilt:10, No 5, 1115–1125, 2000.
6. Manganaro G. ve Pine dade Gyvez J., “DNA computing based on chaos”, IEEE international conference on evolutionary computation, Piscataway (NJ), IEEE Press, 255–60, 1997.
7. Gao H., Zhang Y., Liang S. ve Li DA., “New chaotic algorithm for image encryption”, Chaos, Solitons & Fractals; Cilt 29, 393–402, 2006.
8. Liu D. ve Cao Y.A., “Chaotic genetic algorithm for fuzzy grid job scheduling” IEEE International Conference on Computational Intelligence and Security, Guangzhou, Cilt 1, 320–323, Kasım 2006.

9. Alataş B., Akın E. ve Özer B., “Chaos embedded particle swarm optimization algorithms”, Chaos, Solitons & Fractals; Cilt 40, 1715–1734, 2009.
10. Pluhacek M., Senkerik R. ve Davendra D.,”Chaos particle swarm optimization with Eensemble of chaotic systems”, Swarm and Evolutionary Computation, Cilt 25, 29-35, 2015.
11. Metlicka M. ve Davendra D. “Chaos driven discrete artificial bee algorithm for location and assignment optimisation problems”, Swarm and Evolutionary Computation, Cilt 25, 15-28, 2015.
12. Shatz, S., Wang, J.P. ve Goto, M., “Task allocation for maximizing reliability of distributed computer systems” IEEE Transactions on Computers, Cilt 41, 1156–1168, 1992.
13. Kang Q., He H. ve Deng R., “Bi-objective task assignment in heterogeneous distributed systems using honeybee mating optimization”, Applied Mathematics and Computation, Cilt 219, 2589–2600, 2012.
14. Salman A., Ahmad I. ve Al-Madani, S., “Particle swarm optimization for task assignment problem”, Microprocessors and Microsystems, Cilt 26, 363 - 371, 2002.
15. Attiya G. ve Hamam Y., “Task allocation for maximizing reliability of distributed systems: A simulated annealing approach”, Journal of Parallel and Distributed Computing, Cilt 66, 1259–1266, 2006.
16. Duman E., Uysal M. ve Alkaya A. F., “Migrating birds optimization: A new metaheuristic approach and its performance on quadratic assignment problem”, Information Sciences, Cilt 217, 65–77, 2012.
17. Yin P. Y., Yu S.-S., Wang P. ve Wang, Y. T, “Multi-objective task allocation in distributed computing systems by hybrid particle swarm optimization”, Applied Mathematics and Computation, Cilt 184, 407–420, 2007.
18. Lin S.W., Ying K.C. ve Huang C.-Y., “Multiprocessor task scheduling in multistage hybrid flowshops: A hybrid artificial bee colony algorithm with bidirectional planning”, Computers and Operations Research, Cilt 40, 1186–1195, 2013.
19. Pan Q.K. ve Dong Y., “An improved migrating birds optimisation for a hybrid flowshop scheduling with total flowtime minimisation”, Information Sciences, Cilt 277, 643–655, 2014.
20. Pendharkar P. C., “An ant colony optimization heuristic for constrained task allocation problem”, Journal of Computational Science, Cilt 7, 37–47, 2015.
21. Stone H. S., “Multiprocessor scheduling with the aid of network flow algorithms”, IEEE Transactions Software Engineering, Cilt 3, 85–93, 1977.
22. Hansen J. V. ve Giauque W. C., “Task allocation in distributed processing systems”, Operations Research Letters, Cilt 5, 137-143, 1986
23. Chen, W.-H., & Lin, C.-S., “A hybrid heuristic to solve a task allocation problem”, Computers & Operations Research, Cilt 27, 287-303, 2000.
24. Peitgen H., Jurgens H., Saupe D., “Chaos and fractals.”, Springer-Verlag, Berlin, 1992.
25. Peterson G. “Arnold’s cat map”, Math 45 - Linear algebra, 1997.
26. Burgers J., “Mathematical examples illustrating relations occurring in the theory of turbulent fluid motion”, Selected Papers of J. M. Burgers, Springer, Netherlands, 281–334, 1995.