TARIM ARAZİSİ VERİMLİLİĞİ ALGORİTMASININ BAŞLANGIÇ POPÜLASYONUNUNKAOTİK HARİTALARLA OLUŞTURULMASI

Abstract

Optimizasyon; belirli koşullar altında bir problemin olabilecek bütün çözümleri arasından en iyi çözümü seçme işi olarak tanımlanmaktadır. Optimizasyon problemlerinin çözümünde kullanılan klasik yöntemler, gerçek hayat problemlerinin çözümünde yetersiz kalabilmektedir. Ayrıca problemin boyutuyla orantılı olarak, çözüm süreleri ve çözüm karmaşıklığı aşırı artmaktadır. Klasik yöntemlerin bu dezavantajları, sezgisel araştırma yöntemlerinin gelişmesine yol açmıştır. Bilgisayarın gelişimine paralel olarak son kırk yıldır çalışılmakta olan sezgisel araştırma yöntemleri çoğunlukla doğadan ilham alır. Doğadaki fiziksel süreçler ve yasalar ile canlıların, kusursuz bir tasarıma sahip olması, davranışlarında ve yiyecek ararken en iyi ve en hızlı çözümü bulmaları bilim adamlarının araştırmalarına konu olmakta ve doğadan esinlenen algoritmaların artışına katkı da bulunmaktadır. Bu tez çalışmasında yakın zamanda önerilen Tarım Arazisi Verimliliği Algoritması detaylı olarak ele alınmıştır. Tarım Arazisi Verimliliği Algoritmasının başlangıç popülasyonu üretilirken kaotik haritalar kullanılmıştır. Kaotik haritalı başlangıç popülasyonları 3 farklı yaklaşım ile oluşturulmuştur. Her yaklaşımda 10(on) adet kaotik harita kullanılmıştır. Oluşturulan her bir kaotik haritalı algoritma 8 adet kalite testi fonksiyonu ile test edilmiştir. Yapılan testler sonucunda tüm popülasyonun ve tüm boyutların kaotik haritalar ile üretildiği ikinci yaklaşım da ve popülasyonun tek boyutlu olarak kaotik haritalar ile üretildiği üçüncü yaklaşım ile alınan sonuçlarda genel olarak standart Tarım Arazisi Algoritması ile benzer ya da daha iyi sonuçlar elde edildiği görülmüştür. İkinci yaklaşımda özellikle Çadır (Tent) kaotik haritasının uygulandığı Tarım Arazisi Verimliliği algoritmasının hemen her boyut ve iterasyon için daha başarılı sonuçlar ürettiği gözlemlenmiştir. Üçüncü yaklaşımda ise kaotik haritalı algoritmaların çoğunda başarılı sonuçlar elde edilmiştir.Optimization is defined as choosing the best solution among all possible solutions of a problem under certain conditions. Classical methods used to solve optimization problems may be insufficient to solve real life problems. In addition, proportional to the size of the problem, the solution times and the complexity of the solution is increasing. These disadvantages of classical methods have led to the development of metaheuristic research methods. Parallel to the development of computers, metaheuristic research methods that have been studied for the last four decades are inspired by nature. It is the subject of scientists' researches that living species have an optimum design in the ecosystem and find the optimum solution in their behavior and foraging behaviors, the physical process and laws of natüre ,contributes to the increase of nature-inspired algorithms. In this thesis, the recently proposed Farmland Fertility Algorithm is discussed in detail. Chaotic maps were used to generate the initial population of the Farmland Fertility Algorithm. Initial populations with chaotic maps were formed by 3 different methods. 10 chaotic maps were used in each method. Each chaotic map algorithm was tested with 8 quality test functions. As a result of the tests, it was observed that the results of the approach of Generating the Whole Population and all dimensions with chaotic maps and the third approach in which the population was produced with one dimensional chaotic maps were generally similar or better with the Farmland Fertility Algorithm.In the second approach, it has been observed that the Farmland Fertility Algorithm, in which the tent (Tent) chaotic map is applied, produces more successful results for almost all dimensions and iterations. In the third approach, successful results were obtained in most of the chaotic map algorithms.