KAOTİK KUŞ SÜRÜSÜ OPTİMİZASYON ALGORİTMALARI

Abstract

Matematiksel programlama olarak da bilinen optimizasyon, bir amaç (değerlendirme) fonksiyonuna göre bir problemde belirli aralıktaki sayısal değerlerin en uygununu seçen işlemler topluluğudur. Optimizasyon problemleri için birçok algoritma önerilmiştir. Bu algoritmaların çoğu sistemin modeli ve amaç fonksiyonu için matematiksel modellere ihtiyaç duymaktadır. Matematiksel modelin çıkarılamadığı durumlarda kabul edilebilir sürede sonuç elde edebilmek amacıyla genel amaçlı sezgisel optimizasyon algoritmaları kullanılır. Genel amaçlı sezgisel optimizasyon algoritmaları, biyoloji tabanlı, fizik tabanlı, sürü tabanlı, sosyal tabanlı, müzik tabanlı, kimya tabanlı, spor tabanlı ve matematik tabanlı olmak üzere sekiz farklı grupta değerlendirilmektedir. Sürü zekâsı tabanlı optimizasyon algoritmaları kuş, balık, kedi ve arı gibi canlı sürülerinin hareketlerinin incelenmesiyle geliştirilmiştir. Optimizasyon algoritmalarının hızlı yakınsaması ve yüksek doğruluk oranını artırmak için kaotik haritalar birçok algoritmada kullanılmıştır. Kuş Sürüsü Algoritması (KSA) en güncel sürü zekâsı algoritmalarından biridir. KSA'nın kaosla global yakınsama özelliğinin artırılması ve lokal çözümde takılıp kalmasının önlenmesi ilk kez bu çalışma ile sunulmuştur. Bu tezde, KSA ve kaotik KSA detaylı olarak açıklanmış ve algoritmanın performansı, farklı boyutlardaki tek modlu ve çok modlu kalite testi fonksiyonları ve üç adet kısıtlı gerçek mühendislik problemi kullanılarak incelenmiştir. Söz konusu incelemelerde optimuma yakınsama eğilimi, performans ölçütü olarak kullanılmıştır. İnceleme sonuçları karşılaştırmalı tablolar ve grafikler aracılığıyla sunulmuş ve yorumlanmıştır. Bu algoritma ile hem tek modlu hem de çok modlu kalite testi fonksiyonlarında diğer sürü zekâsı algoritmalarından çok daha iyi sonuçlar elde edildiği için, algoritmanın ileride birçok problemde etkili olarak kullanılacağı beklenmektedir.

Bird Swarm Algoritms with Chaotic Mapping Optimization known as also mathematical programming, is a collection of processes that select the most appropriate values of decision variables according to a goal (evaluation) function. Many algorithms have been proposed for optimization problems. Most of these algorithms need mathematical models for model of system and objective function. General purposed heuristic optimization algorithms are used in order to obtain the solution in reasonable time when mathematical models cannot be derived. General purposed heuristic optimization algorithms are evaluated in eight different groups including biology-based, physics-based, swarm-based, social-based, music-based, chemistry-based, sports based, and mathematics based. Swarm intelligence based optimization algorithms have been developed by observing the movements of live swarms such as bird, fish, cat, and bee. In order to increase the fast convergence and high accuracy of the optimization algorithms, chaotic maps have been used in many algorithms. Bird Swarm Algorithm (BSA) is one of the most recent swarm based algorithms. This is the first time chaos has been introduced to increase the global convergence feature and prevent from being stuck in the local solution of BSA. In this thesis, BSA and chaotic BSA were studied in detail and the performances of the algorithms have been tested on unimodal and multi modal benchmark functions with different dimensions and three constrained real-life problem. In these investigations, tendency of converging to optimum is used as a measure of performance. Experimental results have been presented and interpreted through comparative tables and graphs. It is expected that this algorithm will be efficiently used in many different types of complex problems due to high performance of the algorithm in both unimodal and multi modal functions.