Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/4146
Title: Elektromanyetik algoritmanın karşılaştırmalı analizi ve geliştirilmesi
Other Titles: Comparative analysis and improvement of electromagnetism-like algorithm
Authors: Emel, Erdal
Yurtkuran, Alkın
Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Endüstri Mühendisliği Anabilim Dalı.
Keywords: Elektromanyetik algoritma
Meta sezgisel algoritma
Optimizasyon
Electromagnetism-like algorithm
Meta heuristic algorithm
Optimization
Issue Date: 12-Dec-2014
Publisher: Uludağ Üniversitesi
Citation: Yurtkuran, A. (2014). Elektromanyetik algoritmanın karşılaştırmalı analizi ve geliştirilmesi. Yayınlanmamış doktora tezi. Uludağ Üniversitesi Fen Bilimleri Enstitüsü.
Abstract: Günümüzün rekabetçi koşulları, karşılaşılan problemlerin çözümünde kabul edilebilir süreler içerisinde uygun çözümlere erişmeyi, kaçınılmaz kılmaktadır. Her geçen gün artan oranlarda zorluk derecesine sahip bir çok gerçek hayat problemi bilgisayar ortamında modellenerek, bir optimizasyon problemine dönüştürülmekte ve uygun araçlarla çözülmeye çalışılmaktadır. Ancak, bu tip problemlerin büyük boyutlu ve karmaşık oluşuna karşın kısa sürede optimal çözüm elde etme gerekliliği, kesin çözüm araçlarının yetersiz kalmasına sebep olmaktadır. Bu sebeple, zorluk derecesi yüksek problemlerin çözümünde zeki arama yöntemleri olarak tanımlanabilen meta sezgisel yöntemler, uygun bir çözüm aracı olarak son yıllarda araştırmacıların yoğun ilgisini çekmektedir. Söz konusu tez çalışması kapsamında, son yıllarda oldukça popülerleşen elektromanyetik algoritma (EMA) ele alınmış ve algoritma ile ilgili iyileştirme ve uygulama çalışmaları gerçekleştirilmiştir. Tez çalışmasında, ilk olarak EMA'nın performansının iyileştirilmesi ve geliştirilmesi hedeflenmiş ve bu kapsamda literatürden seçilen ve çokça kullanılan meta sezgisel yöntemlerin temel sürümleri ile EMA eşit koşullarda ve kısıtsız optimizasyon problemleri üzerinde karşılaştırılarak analiz edilmiştir. Yapılan analizler sonucunda, EMA'nın diğer popüler algoritmalardan farkları ortaya konularak, güçlü ve zayıf yönleri tespit edilmiştir. Ardından, hem diğer popüler yöntemlerin üstünlükleri, hem de EMA'nın güçlü ve zayıf yönlerinden esinlenilerek EMA için iyileştirme önerileri sunulmuştur. Geliştirilen önerilerin EMA performansına etkileri, bir deney tasarımı yaklaşımı ile istatistiksel olarak analiz edilmiştir. Analiz sonucunda, EMA'nın performansına anlamlı bir şekilde etki eden öneriler belirlenmiş ve bu önerilerin temel EMA yapısına uygulanması ile iyileştirilmiş EMA yapısı (iEMA) geliştirilmiştir. iEMA'nın performansı daha önce temel sürümleri kullanılan meta sezgisel yöntemlerin iyileştirilmiş sürümleri ile eşit koşullar altında analiz edilmiş ve iEMA'nın üstünlüğü istatistiksel olarak kanıtlanmıştır. Tez çalışmasının izleyen aşamalarında ise iEMA üzerinde küçük uyarlamalar yapılarak geliştirilen sürümler, farklı tipteki optimizasyon problemlerinin çözümüne uygulanmış ve detaylı analizler sonucunda söz konusu iEMA sürümlerinin kalitesi kanıtlanmıştır. Bu doğrultuda, doğrusal ve doğrusal olmayan kısıtlı optimizasyon problemlerini çözebilen iEMA sürümü (ciEMA), 0-1 tipindeki ikili sistem vektörlerle çalışabilen iEMA sürümü (biEMA) ve birleşimsel tipteki problemleri çözebilen iEMA sürümü (combiEMA) geliştirilmiştir. Söz konusu çalışma kapsamında geliştirilen her sürüm, literatürden alınan yöntemler ile karşılaştırılarak analiz edilmiş ve farklı uygulama çalışmalarında kullanılmıştır. iEMA ve sürümleri (ciEMA, biEMA, combiEMA) ile yapılan uygulamalar ve testlerin sonuçları incelendiğinde; son yıllarda oldukça popülerleşen bir meta sezgisel yöntem olan EMA'nın, bu tez çalışması kapsamında geliştirildiği ve küçük uyarlamalar ile farklı optimizasyon problemlerine rahatlıkla ve başarılı bir şekilde uygulanabildiği gösterilmiştir.
In today's competitive world, solving problems in acceptable computational times is a must to reach feasible solutions. Complex real world problems are modeled in computer environments, transformed into optimization problems and solved via appropriate techniques. However, exact solution methods are not sufficient to solve these large scale complex problems, given the time constraint in finding optimal solutions. In recent years; meta heuristics, described as intelligent search methods, have been studied by many scientists as a proper tool to solve highly complex optimization problems. In this dissertation, Electromagnetism-like Algorithm (EMA), a very popular algorithm in today's world, has been studied, improved and used in several applications. Within this context, the algorithm was improved and elaborated by analyzing and comparing the widely used traditional meta heuristics approaches in literature with EMA under equal test conditions for solving continuous optimization problems. The results revealed the differences of EMA from other popular algorithms. The strengths and weaknesses of EMA compared to the superior properties of the other algorithms are then used to develop improvement proposals for EMA. A design of experiments study is constructed to observe the effects of the proposed improvements on the performance of EMA through statistical analysis. As a result of this analysis, the proposals with statistically significant effects are identified and integrated into the traditional EMA, which turned out to be the improved EMA (iEMA). An additional comparative study for iEMA with the improved versions of the abovementioned meta heuristics is performed under equal test conditions. The results proved the relatively better performance of iEMA. In the following stages of this thesis study, various versions of iEMA with small adaptations are introduced and used to solve different optimization problems. In this scope, the following iEMA versions are introduced: (i) iEMA to solve constrained optimization problems (ciEMA), (ii) iEMA that is capable of working with binary vectors (biEMA), and (iii) iEMA for combinatorial optimization problems (combiEMA). All three versions are compared to the popular methods from literature and used in different applications to show the superior performance of the proposed versions. Experimental results of iEMA and versions (ciEMA, biEMA, combiEMA) revealed that EMA is successfully improved and can be used for solving different optimization problems by employing small adaptations.
URI: http://hdl.handle.net/11452/4146
Appears in Collections:Doktora Tezleri / PhD Dissertations

Files in This Item:
File Description SizeFormat 
382264.pdf4.38 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons