GLOBAL OPTİMİZASYON VE MÜHENDİSLİK TASARIMI PROBLEMLERİ İÇİN BONOBO OPTİMİZASYONU TABANLI YENİ HİBRİT ALGORİTMALARIN GELİŞTİRİLMESİ

Abstract

Teknolojinin ilerlemesiyle beraber günden güne zorlaşan optimizasyon problemleri için sürekli yeni algoritmalar tanıtılmaktadır. Çözümün çok zor olduğu ya da uzun zaman aldığı problemlerde optimal çözümün kabul edilebilirliğine göre yeni yöntemler geliştirilmektedir. Bu alanda literatürde çok sayıda algoritma bulunmaktadır. Her problem için tek bir algoritmanın varlığının yeterli olmamasından dolayı birden fazla problemin çözümü için kullanılacak şekilde ayarlanabilir algoritmalar problem çözümünü oldukça kolaylaştırmaktadır. Bu çalışmada Bonobo Optimizasyon Algoritması, Gri Kurt Optimizasyon Algoritması, Parçacık Sürü Optimizasyon Algoritması ve Yapay Arı Kolonisi Optimizasyon Algoritması detaylı olarak incelenmektedir. Aynı zamanda Bonobo Optimizasyon Algoritması tabanlı dört farklı hibrit algoritma önerilmektedir. Bonobo Optimizasyon Algoritması ve Gri Kurt Optimizasyon Algoritmasının hibritlenmesiyle elde edilen BOGKO, Bonobo Optimizasyon Algoritması ve Parçacık Sürü Optimizasyon Algoritmasının hibritlenmesiyle elde edilen BOPSO, Bonobo Optimizasyon Algoritması ve Yapay Arı Kolonisi Optimizasyon Algoritmasının hibritlenmesiyle elde edilen BOYAK ve bu dört algoritmanın hibritlenmesiyle elde edilen HibritBO algoritmasının performansları standart kalite testi fonksiyonları, Cec'2019 fonksiyonları ve mühendislik tasarım problemleri ile test edilerek performansları kıyaslanmaktadır. Bu çalışmada aynı zamanda Bonobo Optimizasyon Algoritmasında kullanılan iki ayrı parametre değeri olan alfa bonobo için paylaşım katsayısı (scab) ve seçilen bonobo için paylaşım katsayısı (scsb) parametreleri, kaotik haritalarla yeniden üretilmekte ve elde edilen sonuçların Klasik BO algoritmasına göre daha iyi sonuçlar verdiği gösterilmektedir. Aynı zamanda mühendislik tasarım problemlerinin çözümü için de bu algoritmalar kullanılmaktadır. Elde edilen sonuçlar tablolar halinde açıklanmaktadır. Alınan sonuçlara göre çoğu zaman hibrit algoritmalardan elde edilen sonuçların klasik algoritmalara göre daha iyi sonuçlar verdiği gösterilmektedir.With the advancement of technology, new algorithms are constantly being introduced for optimization problems that are becoming more difficult day by day. In problems where the solution is very difficult or takes a long time, new methods are developed according to the acceptability of the optimal solution. There are many algorithms in the literature in this field. Since the existence of a single algorithm for each problem is not sufficient, algorithms that can be adjusted to be used to solve more than one problem make problem solving much easier. In this study, the Bonobo Optimization Algorithm, Grey Wolf Optimization Algorithm, Particle Swarm Optimization Algorithm, and Artificial Bee Colony Optimization Algorithm are examined in detail. Additionally, four different hybrid algorithms based on the Bonobo Optimization Algorithm are proposed. BOGKO, obtained by hybridizing the Bonobo Optimization Algorithm and the Grey Wolf Optimization Algorithm, BOPSO, obtained by hybridizing the Bonobo Optimization Algorithm and the Particle Swarm Optimization Algorithm, BOYAK, obtained by hybridizing the Bonobo Optimization Algorithm and the Artificial Bee Colony Optimization Algorithm, and the performance of the HybridBO algorithm obtained by hybridizing these four algorithms are compared by testing them on standard quality test functions, Cec'2019 functions, and engineering design problems. In this study, two separate parameter values used in the Bonobo Optimization Algorithm, the sharing coefficient (scab) for alpha bonobo and the sharing coefficient (scsb) parameters for the selected bonobo, are reproduced with chaotic maps and it is shown that the obtained results give better results than the Classic BO algorithm. These algorithms are also used to solve engineering design problems. The results obtained are explained in tables. According to the results, it is shown that the results obtained from hybrid algorithms often give better results than classical algorithms.