Balina optimizasyon algoritması (WOA) 2016 yılında geliştirilmiş olan oldukça yeni bir algoritmadır. Balina optimizasyon algoritması literatürde sürekli optimizasyon problemlerine ve mühendislik problemlerine uygulanmıştır. Buna rağmen, WOA gezgin satıcı probleminde diğer algoritmalardan daha düşük performans sergilemektedir. Bu yüzden, bu çalışmada, hibrid algoritmanın (WOA+NN) gezgin satıcı problem üzerinde bir uygulaması yapılmaktadır. Uygulamada 51-150 arasında ölçekli şehirlerden oluşan bir klasik veriseti kullanılmıştır. Sonuçlar, hibrid algoritmanın (WOA+NN), AS (Karınca sistemi), WOA, GA ve SA’dan tüm verisetlerinin %50’sinde üstün olduğunu göstermektedir. Karınca sistemi ise tüm verisetlerinin %40’ında diğer meta-sezgisellerden daha olumlu sonuç veren ikinci algoritmadır. Çalışmada, detaylı bir analiz verilerek meta-sezgisellere göre en iyi, en kötü, ortalama çözümler, standart sapma ve ortalama CPU zamanı sunulmaktadır. Metrikler, hibrid algoritmanın (WOA+NN) optimal çözümleri bulmada %50’nin üzerinde performans sergilediğini göstermektedir. Karınca sistemi (AS) ise, tüm çözümlerin %40’ında daha iyidir. Sonuç olarak, hibrid algoritma orta ölçekli verisetlerinde diğer algoritmalara kıyasla kesikli problemi kabul edilebilir zamanlarda çözmektedir.
Whale Optimization Algorithm (WOA) is a fairly new algorithm developed in 2016. WOA was applied to continuous optimization problems and engineering problems in the literature. However, WOA demonstrates lower performance than others in traveling salesman problems. Therefore, in this study, an application of the hybrid algorithm (WOA+NN) has been done in the traveling salesman problem. A set of classical datasets which have cities scale ranged from 51 to 150 was used in the application. The results show that the hybrid algorithm (WOA+NN) outperforms AS (Ant system), WOA, GA, and SA for 50% of all datasets. Ant system (AS) is the second algorithm that is better than other metaheuristics for 40% of all datasets. In addition, it was given that a detailed analysis presents the number of best, worst, average solutions, standard deviation, and the average CPU time concerning meta-heuristics. The metrics stress that the hybrid algorithm (WOA+NN) demonstrates a performance rate over 50% in finding optimal solutions. AS (Ant system) is better at 40% of all optimal solutions. Finally, the hybrid algorithm solves the discrete problem in reasonable times in comparison to other algorithms for medium-scale datasets.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|