Görüntüleme
17
İndirme
6
Kriterleri sağlayan çok sayıda alternatif içinden, en yararlı olanı seçebilmek, hayatı meşgul eden problemlerden biridir. Çoğu birbiriyle çelişkili kriterler için en doğru tercih, çok fazla zaman alır. Bu bağlamda “optimizasyon” (en iyileme) kavramı, bireysel yaşamda farklı örnekleriyle karşılaştığımız ve farklı sektörlerde birçok firmanın, üzerinde titizlikle yoğunlaştığı konulardan biridir. Optimizasyon problemleri için genellikle, makul sürelerde geçerli çözümler sunabilen metasezgisel yöntemler tercih edilmektedir. Ancak optimizasyon problemlerine başarıyla uygulanabilen bu algoritmalar için en büyük problemlerden biri, algoritma parametrelerine uygun değerlerinin atanabilmesidir. Algoritmanın, arama alanına yeterince dağılabilmesi ve bulduğu çözümlerden daha iyi çözümler türetebilmesi için kontrol parametrelerine uygun değerler atanmalıdır. Dolayısıyla algoritma performansı, parametre değerleriyle doğrudan ilişkilidir. Araştırmacılar son dönemde, optimizasyon algoritmaları için parametre değerlerini en uygun değere ayarlayan, çevrimiçi ve çevrimdışı uygulanan birçok yöntem geliştirdiler. Yapay Arı Koloni (YAK) Algoritması da oluşturulduğu günden bugüne, yöneylem araştırmacılarının ilgisini çeken, geliştirilen farklı birçok versiyonu ile literatürde yer edinmiş, sürü zekâsı temelli bir metasezgisel yöntemdir. Algoritma, çözüm oluşturma ve yeni çözümler türetmede farklı prosedürler kullansa da tüm bunları iki kontrol parametresinde birleştirmektedir. Bu çalışmada, YAK algoritmasının keşif ve sömürü performansını geliştirmek için, parametre değerlerini, çözüm arama sürecinde değiştiren, Dinamik Parametre Değerli Yapay Arı Koloni (DPD-YAK) Algoritması önerilmektedir. Önerilen yöntem, sekiz farklı bilindik sayısal optimizasyon fonksiyonları üzerinde test edilerek, çözüm arama başarısı araştırılmıştır. Birbirinden bağımsız olarak 30’ar denemede elde edilen sonuçların aritmetik ortalaması ve standart sapma değeri hesaplanmıştır. Bu sonuçlar, literatürdeki farklı bir çalışmada, standart YAK ve diğer popüler metasezgisel yöntemlerle elde edilmiş sonuçlarla karşılaştırılmıştır. DPD-YAK, fonksiyonların birçoğu için, en iyi sonucu üretmiş ve YAK algoritması performansını önemli seviyede artırmıştır. Sonuçlar, DPD-YAK algoritmasının optimizasyon problemleri için başarıyla uygulanabileceğini ispatlamaktadır.
Of the many alternatives that provide criteria, being able to choose the most useful one is one of the problems that occupy life. The right choice for most contradictory criteria takes a lot of time. In this context, the concept of "optimization" (most improvement) is one of the topics that we encounter with different examples in individual life and many companies in different sectors are rigorously focused on. For optimization problems, metasetic methods are usually preferred that can provide existing solutions in reasonable times. But one of the biggest problems for these algorithms, which can be successfully applied to optimization problems, is the ability to assign their values in accordance with the algorithm parameters. The algorithm must assign values according to the control parameters so that it can disperse sufficiently into the search field and generate better solutions from the solutions it finds. Therefore, the performance of the algorithm is directly related to the parameters. In recent years, researchers have developed a number of methods applied online and offline, which adjust parameters for optimization algorithms to the most appropriate value. The artificial Bee Colony (YAK) algorithm has been created since the time it has been created, and it is a metaphorical method based on much intelligence, which has been developed in literature with many different versions that attract the interest of the orientation researchers. Although algorithm uses different procedures in creating solutions and generating new solutions, it combines them all in two control parameters. In this study, to improve the discovery and exploitation performance of the YAK algorithm, it is recommended the Dynamic Parameters Value Artificial Bee Colony (DPD-YAK) algorithm that changes parameters in the search process. The proposed method was tested on eight different known numeric optimization functions, and the success of the solution search was studied. The arithmetic average of the results obtained in 30 trials independently and the standard deviation value are calculated. These results were compared with the results obtained in a different study in literature, with the results obtained by standard YAK and other popular metasethical methods. DPD-YAK has produced the best results for many functions and has significantly increased the performance of the YAK algorithm. The results prove that the DPD-YAK algorithm can be successfully applied to optimization problems.
Choosing the most useful among the many alternatives that provide the criteria is one of the problems that occupy life. For many conflicting criteria, the right choice takes a lot of time. In this context, the concept of “optimization” is one of the subjects that we encounter with different examples in individual life, and many companies in different sectors are focused on meticulously. For optimization problems, generally, meta-heuristic methods, which can provide solutions that are valid at reasonable times, are preferred. However, one of the biggest problems for these algorithms, which can be applied successfully to optimization problems, is to assign appropriate values to algorithm parameters. In order for the algorithm to explore efficiently in the search area and to derive better solutions from the existing solutions it finds, appropriate values should be assigned to the control parameters. Therefore, algorithm performance is directly related to parameter values. Researchers have recently developed several methods that tune optimal parameter values for optimization algorithms, applied online, or offline. Artificial Bee Colony (ABC) Algorithm is also a swarm-intelligence based metaheuristic method with many different versions that have attracted the attention of operations researchers since the day it was created. Although different procedures are used in the algorithm, solution evaluation, and deriving new solutions, it combines all of these in two control parameters. In this study, Artificial Bee Colony with Dynamic Parameter Value (ABC-DPV) Algorithm, which changes parameter values in the searching process, is proposed to improve the exploration and exploitation performance of the ABC algorithm. The proposed method was tested on eight different numerical optimization functions to examine its searching strategy. The arithmetic mean and standard deviation value of the results, which were obtained in 30 trials independently, were calculated. These results were compared with results obtained in a different study in the literature with standard ABC and other popular metaheuristic methods. ABC-DPV has produced the best result for many of the functions and significantly improved the ABC algorithm performance. The results prove that the ABC-DPV algorithm can be successfully applied for optimization problems.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
