Görüntüleme
12
İndirme
4
Optimizasyon problemlerinde boyutu büyüdükçe çözümleri de zorlaşmaktadır. Bu problemlerin üstesinden gelmek için sürü zekâsı algoritmalarından faydalanılabilir. Birçok sürü zekâsı algoritmalarından bir tanesi de Yapay Arı Kolonisi (Artificial Bee Colony, ABC) algoritmasıdır. Büyük ölçekli optimizasyon problemlerinde yapay arı kolonisi algoritmasından faydalanabilmek için orijinal ABC algoritmasında bazı iyileştirmeler yapmak gerekmektedir. Bu çalışmada, ABC algoritması için yapılan iyileştirmeler “Elit Ajan Tabanlı Kendi Kendine Uyarlanabilir Yapay Arı Kolonisi Algoritması’ adını verdiğimiz yeni bir ABC algoritması içerisinde tanımlanmıştır. Klasik ABC algoritmalarından farklı olarak işçi ve gözcü arı adımlarında farklı arama denklemleri kullanılmış ve bu arama denklemlerinde elit bireylerden yararlanılmıştır. Ayrıca bir yerel arama tekniği ile algoritma performansı güçlendirilmiştir. Algoritmalara ait parametre değerlerinin doğru olarak seçilmesi algoritmaların başarısında büyük etkiye sahiptirler. Bu çalışmada irace aracı kullanılarak algoritmaya ait parametreler en iyi bir şekilde ayarlanmaya çalışılmıştır. Geliştirdiğimiz algoritma büyük ölçekli sürekli optimizasyon fonksiyonlarını barındıran SOCO11 ölçüt fonksiyon kümesinde test edilmiştir. Elde ettiğimiz sonuçlar ABC algoritmalarıyla ve SOCO11 yarışmasına katılan algoritmalar ile karşılaştırılmış ve başarılı sonuçlar elde edilmiştir.
As the size of the optimization problems grows, the solutions are increasingly difficult. Many intelligent algorithms can be used to overcome these problems. One of the many intelligent algorithms is the Artificial Bee Colony (ABC) algorithm. Some improvements in the original ABC algorithm are needed to take advantage of the artificial bee colony algorithm in large-scale optimization problems. In this study, the improvements to the ABC algorithm are defined in a new ABC algorithm we call "Elite-based Self-Adjustable Artificial Bee Colony algorithm". Unlike the classic ABC algorithms, different search equations were used in the workers and observers’ bees steps, and these search equations were used by elite individuals. Also, the performance of the algorithm has been enhanced with a local search technique. The correct selection of the parameters of the algorithms has a great impact on the success of the algorithms. In this study, the Irakian tool has been used to best adjust the parameters of the algorithm. The algorithm we have developed has been tested in the SOCO11 measurement set of functions that contains large-scale continuous optimization functions. The results we obtained were compared with the ABC algorithms and the algorithms involved in the SOCO11 competition and successful results were obtained.
Alan : Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
