Global Optimizasyon için Yeni Bir Hibrit Yöntem: Kaya Kartalı Optimizasyonu-Tanjant Arama Algoritması

Öz

Optimizasyon, belirli koşullarda bir problem için tüm çözümler arasından en iyisini bulma, en iyileme anlamına gelmektedir. Birçok doğrusal optimizasyon modellerinde klasik optimizasyonun yetersiz kalmasından dolayı metasezgisel algoritmalar önerilmiştir. Metasezgisel algoritmalar, kesin çözümü bulma işleminin tanımlanamadığı durumlarda, kesin çözüme en yakın çözümleri bulmak için kullanılmaktadır. Tüm problemler için en iyi çözümü veren bir algoritma bulunmadığından, yeni metasezgisel algoritmalar önerilmeye veya var olan algoritmalar geliştirilmeye devam edilmektedir. Metasezgisel algoritmaların sahip olduğu keşif ve sömürü yetenekleri dengeli bir şekilde çalışmalıdır. Bazı metasezgisel algoritmalarda bu iki yetenekten biri iyi çalışmaktayken diğeri yetersiz kalabilmektedir. Algoritmaların hibritleştirilmesi ile iki algoritmanın güçlü yanları birleştirilerek daha etkin bir algoritma elde edilebilmektedir. Bu çalışmada Kaya Kartalı Optimizasyonu (KKO)’nun sömürü kabiliyetini arttırmak için daraltılmış keşif aşaması yerine, Tanjant Arama Algoritması (TAA)’nın yoğunlaştırma aşaması uygulanarak yeni bir hibrit yöntem olan Kaya Kartalı Optimizasyonu-Tanjant Arama Algoritması (KKO-TAA) önerilmiştir. KKO-TAA, KKO ve TAA’nın performanslarını karşılaştırmak için, altı adet kalite testi fonksiyonu kullanılmıştır. Deneysel sonuçlar hibrit KKO-TAA’nın, KKO ve TAA’ya göre daha iyi sonuçlar verdiğini ve global optimizasyon için etkili bir yöntem olduğunu göstermektedir.

Anahtar Kelimeler

• Hibrit Kaya Kartalı Optimizasyonu-Tanjant Arama Algoritması
• Kaya Kartalı Optimizasyonu
• Tanjant Arama Algoritması

Kaynakça

1. [1] Murty KG. Optimization Models for Decision Making. Internet Edition, Chapter 1: Models for Decision Making, 2003; 1-18.
2. [2] Güden H, Vakvak B, Özkan BE, Altıparmak F ve Dengiz B. Genel Amaçlı Arama Algoritmaları ile Benzetim Eniyilemesi: En İyi Kanban Sayısının Bulunması. Endüstri Mühendisliği Dergisi, 2005; 16: 2-15.
3. [3] Akyol S. Güncel Akıllı Optimizasyon Algoritmalarıyla Duygu Sınıflandırılması. Doktora Tezi, Fırat Üniversitesi, Fen Bilimleri Enstitüsü, Elazığ, 2018.
4. [4] Akyol S. Güncel Sürü Zekâsı Algoritmalarıyla Sınıflandırma Kurallarının Keşfi. Yüksek Lisans Tezi, Tunceli Üniversitesi, Fen Bilimleri Enstitüsü, Tunceli, 2013.
5. [5] Alataş B. Kaotik Haritalı Parçacık Sürü Optimizasyon Algoritmaları Geliştirme. Doktora Tezi, Fırat Üniversitesi, Fen Bilimleri Enstitüsü, Elazığ, 2007.
6. [6] Cura T. Modern Sezgisel Teknikler ve Uygulamaları. Papatya Yayıncılık Eğitim, 2008.
7. [7] Karaboğa D. Yapay Zeka Optimizasyon Algoritmaları. Nobel Yayın Dağıtım, 2011.
8. [8] Holland J H. Adaption in Natural and Artificial Systems, University of Michigan Pres, Ann Arbor, MI, 1975.

9. [9] Storn R. and Price K. Differential Evolution: A Simple and Efficient Adaptive Scheme for Global Optimization over Continuous Spaces. Technical Report TR-95-012, International Computer Science Institute, Berkeley, 1995.
10. [10] Dorigo M, Maniezzo V, and Colorni A. The Ant System: An Autocatalytic Optimizing Process. Tech. Rep. No. 91- 016, Dipartimento di Elettronica, Politecnico di Milano, Italy, 1991.
11. [11] Atashpaz-Gargari E and Lucas C. Imperialist Competitive Algorithm: An Algorithm for Optimization Inspired by Imperialistic Competition. IEEE Congress on Evolutionary Computation, CEC 2007; 2007; 4661-4667.
12. [12] Borji A. A New Global Optimization Algorithm Inspired by Parliamentart Political Competitions. Lecture Notes in Computer Science, 2007; 4827/2007: 61-71.
13. [13] Alataş B. ACROA: Artificial Chemical Reaction Optimization Algorithm for Global Optimization. Expert Systems with Applications, 2011; 38(10): 13170-13180.
14. [14] Geem ZW, Kim JH and Loganathan GV. A New Heuristic Optimization Algorithm: Harmony Search. Simulation, 2001; 76, 60-68.
15. [15] Rashedi E, Nezamabadi-pour H and Saryazdi S. GSA: A Gravitational Search Algorithm. IEEE Congress on Information Sciences; 2009; 179: 2232-2248.
16. [16] Shah-Hosseini H. The Intelligent Water Drops Algorithm: A Nature-Inspired Swarm-Based Optimization Algorithm. International Journal of Bio-Inspired Computation, 2009; 1: 71-79.
17. [17] Kennedy J and Eberhart RC. Particle Swarm Optimization. IEEE International Conference on Neural Networks; 1995; Piscataway, NJ, 1942-1948.
18. [18] Chu SC, Tsai PW and Pan JS. Cat Swarm Optimization. 9th Pacific Rim International Conference on Artificial Intelligence, LNAI; 2006. 4099: 854-858.
19. [19] Kashan AH. League Championship Algorithm: A New Algorithm For Numerical Function Optimization. IEEE International Conference of Soft Computing and Pattern Recognition (SoCPAR); 2009. 43–48.
20. [20] Salem SA. BOA: A Novel Optimization Algorithm. IEEE 2012 International Conference on Engineering and Technology (ICET); 2012. 1(5).
21. [21] Maniezzo V, Stützle T and VOß S. Matheuristics: Hybridizing Metaheuristics and Mathematical Programming. 10, Springer, New York, 2009.
22. [22] Jin X, Reynolds RG. Using knowledge-based evolutionary computation to solve nonlinear constraint optimization problems: a cultural algorithm approach. 1999 congress on evolutionary computation-CEC99 (Cat. No. 99TH8406); 1999, July. 1672-1678. IEEE.
23. [23] Akyol S, Alatas B. Sentiment classification within online social media using whale optimization algorithm and social impact theory based optimization. Physica A: Statistical Mechanics and its Applications, 2020; 540: 123094.
24. [24] Akyol S, Alatas B. Plant intelligence based metaheuristic optimization algorithms. Artificial Intelligence Review, 2017; 47(4): 417-462.
25. [25] Abualigah L, Yousri D, Abd Elaziz M, Ewees AA, Al-qaness MA, and Gandomi AH. Aquila Optimizer: A Novel Meta-Heuristic Optimization Algorithm, Computers & Industrial Engineering, 2021; 157: 107250.
26. [26] Layeb A. The Tangent Search Algorithm for Solving Optimization Problems. arXiv preprint arXiv:2104.02559, 2021.
27. [27] Carnie SK. Food Habits of Nesting Golden Eagles in The Coast Ranges of California, The Condor, 1954; 56 (1): 3-12.
28. [28] Meinertzhagen R. How Do Larger Raptorial Birds Hunt Their Prey. Ibis, 1940; 4 (3): 530-535.
29. [29] Dekker D. Hunting Behavior of Golden Eagles, Aquila-Chrysaetos, Migrating in Southwestern Alberta, 1985.
30. [30] Watson J. The Golden Eagle. Bloomsbury Publishing, 2010.