Güncel Optimizasyon Tekniklerinin Matematiksel Problemlerin Çözümündeki Performanslarının Kıyaslanması

Yıl 2017, Cilt: 13 Sayı: 2, 579 - 591, 30.06.2017

Aybike Özyüksel Çiftçioğlu Erkan Doğan

https://doi.org/10.18466/cbayarfbe.324006

Cited By: 1

Öz

Doğada
yer alan böceklerin problem çözmede izlediği başarılı yol (besin kaynağına
giden en kestirme yolu bulabilmeleri gibi) araştırmacılar tarafından
incelenmekte, sürü içindeki davranışları taklit edilmeye çalışılarak
optimizasyon teknikleri oluşturulmaktadır. Av arama, parçacık küme, karınca
kolonisi, yapay arı kolonisi, yarasa algoritması, ateş böceği algoritması ve
kandil böceği algoritması bu tekniklerden bazılarıdır. Bu çalışmada, bahsedilen
yedi teknik ayrı ayrı incelenmiş olup, beş adet en küçükleme ve bir adet büyüğe
yaklaştırma olmak üzere toplam altı adet optimizasyon problemi bu yedi
algoritma ile ayrı ayrı çözülmüştür. Her bir problemin kendi içerisinde kısıtlayıcıları
ve değişkenleri vardır. Her problem için en az on beş bin iterasyon yapılmış,
problemin tipine göre bu sayı yirmi bine kadar çıkmıştır. Optimizasyon
teknikleri her problem içinde ayrı ayrı karşılaştırılmıştır. Ayrıca bu altı
problem kendi arasında da kıyaslanmıştır. Problemler için optimizasyon
tekniklerinin birbiri ile karşılaştırılmış grafikleri çizilerek algoritmaların
yakınsamalar üzerinden performans kıyaslamaları da yapılmıştır.

Anahtar Kelimeler

Hunting search algorithm, particle swarm optimizer, ant colony optimizer, artificial bee colony algorithm, Av Arama Algoritması, Parçacık Küme Algoritması, Karınca Koloni Algoritması, Yapay Arı Kolonisi Algoritması

Kaynakça

• Krishnanand, K. N.; Ghose, D. Glowworm swarm Opti-mization: A New Method for Optimizing Multi-Modal Functions, International Journal of Computational intel-ligence studies, 1, 84–91.