Improved Runge Kutta Optimizer with Fitness Distance Balance-Based Guiding Mechanism for Global Optimization of High-Dimensional Problems
Yazarlar (4)
Dr. Öğr. Üyesi Enes CENGİZ Afyon Kocatepe Üniversitesi, Türkiye
Prof. Dr. Cemal Yilmaz Gazi Üniversitesi, Türkiye
Prof. Dr. Hamdi Tolga Kahraman Karadeniz Teknik Üniversitesi, Türkiye
Arş. Gör. Çağri Suiçmez Gazi Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayınlanan tam makale)
|
||
| Dergi Adı | Düzce Üniversitesi Bilim ve Teknoloji Dergisi | ||
| Dergi ISSN | 2148-2446 | ||
| Dergi Tarandığı Indeksler | TR DİZİN | ||
| Makale Dili | Ingilizce | Basım Tarihi | 12-2021 |
| Kabul Tarihi | – | Yayınlanma Tarihi | 31-12-2021 |
| Cilt / Sayı / Sayfa | 9 / 6 / 135–148 | DOI | 10.29130/dubited.1014947 |
| Makale Linki | http://dx.doi.org/10.29130/dubited.1014947 | ||
| UAK Araştırma Alanları |
Yapay Zeka
|
||
| Özet |
| Runge Kutta (RUN), güncel ve sağlam temellere sahip bir metasezgisel algoritmadır. RUN algoritması, metaforların tuzaklarının ötesine geçerek problemlerin çözümünde küresel en iyiyi bulmayı amaçlar. Bu amaçla, yerel optimum çözümlerden kaçınmak ve yakınsama hızını artırmak için geliştirilmiş çözüm kalitesi mekanizması kullanılmaktadır. RUN algoritması umut verici çözümler sunsa da bu algoritmanın özellikle yüksek boyutlu multimodal problemlerin çözümünde eksiklikleri olduğu görülmektedir. Bu çalışmada, Uygunluk-Mesafe Dengesi (FDB) yöntemi kullanılarak RUN algoritmasında arama sürecine rehberlik eden çözüm adayları geliştirilmiştir. Böylece FDB tabanlı RUN algoritması kullanılarak gelecekte birçok optimizasyon probleminin global optimum değeri elde edilecektir. Geliştirilen FDB-RUN algoritmasının performansını test etmek için güncel benchmark sorunları olan CEC 2020 kullanılmıştır. CEC 2020'den alınan 10 farklı kısıtsız kıyaslama problemi 30/50/100 boyutlarında düzenlenerek tasarlanmıştır. Deneysel çalışmalar tasarlanan kıyaslama problemleri kullanılarak gerçekleştirilmiş ve Friedman ve Wilcoxon istatistiksel test yöntemleri ile analiz edilmiştir. Analiz sonuçlarına göre FDB-RUN varyasyonlarının tüm deneysel çalışmalarda temel algoritmaya (RUN) göre daha üstün bir performans gösterdiği görülmüştür. Özellikle yüksek boyutlu problemlerin sürekli optimizasyonu için daha etkili sonuçlar sağladığı gösterilmiştir. |
| Anahtar Kelimeler |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| Google Scholar | 16 |