Sınırlama Ele Alış Metotlarının Yapay Arı Kolonisi Algoritması Üzerinde Etkisinin İncelenmesi

Yıl 2020, Cilt: 36 Sayı: 3, 385 - 399, 31.12.2020

Demet Alıcı Karaca , Bahriye Baştürk Akay

Öz

Sürü zekası algoritmalarının arasında performansıyla öne çıkan algoritmalardan biri olan Yapay Arı Kolonisi algoritmasının, tasarım parametrelerinin bazı koşullarla kısıtlandığı ve optimum değerin kabul edilebilir bölge içinde olması gerektiği sınırlamalı optimizasyon problemlerini çözmek için farklı versiyonları geliştirilmiştir. Kısıtları dikkate alarak problemleri çözmek amacıyla ceza terimine dayalı metotlar, çözümleri kabul edilebilir bölgede tutan metotlar, kabul edilebilir ve kabul edilebilir olmayan çözümler arasında ayrım yapan metotlar ve karma metotlar bulunmaktadır. Bu çalışmada sınırlamalı optimizasyon problemlerini çözmek amacıyla temel Yapay Arı Kolonisi algoritmasına ceza fonksiyonları, rasgele sıralama ve stokastik Deb kuralları entegre edilerek yeni yöntemler önerilmiştir. Önerilen yöntemler literatürde sıklıkla kullanılan sınırlamalı test problemleri üzerinde test edilmiş ve literatürdeki algoritmalar ile karşılaştırılmıştır. Yapılan analizler sonucunda çalışma kapsamında önerilen yöntemler sınırlamalı optimizasyon problemlerinin çözümünde diğer algoritmalarla benzer ya da daha iyi sonuçlar üretmiştir.

Anahtar Kelimeler

Yapay Arı Kolonisi algoritması, Sınırlamalı optimizasyon, Sınırlama ele alış metotları

Kaynakça

• Parsopoulos, K. E., Vrahatis, M. N., 2002, “Particle swarm optimization method for constrained optimization problems”, Intelligent Technologies–Theory and Application: New Trends in Intelligent Technologies, Vol. 76, No. 1, pp. 214-220.
• Huang, Z., Wang, C. and Tian, H., 2009, “A genetic algorithm with constrained sorting method for constrained optimization problems”, 2009 IEEE International Conference on Intelligent Computing and Intelligent System, Vol. 1, pp. 806-811, IEEE.
• Lu, H. and Chen, W., 2008, “Self-adaptive velocity particle swarm optimization for solving constrained optimization problems”, Journal of Global Optimization, Vol. 41, No. 3, pp.427-445.
• Michalewicz, Z. and Schoenauer, M., 1996, “Evolutionary algorithms for constrained parameter optimization problems”, Evolutionary computation, Vol. 4, No. 1, pp.1-32
• Runarsson, T.P. and Yao, X., 2000, “Stochastic ranking for constrained evolutionary optimization”, IEEE Transactions on evolutionary computation, Vol. 4, No. 3, pp.284-294.
• Runarsson, T.P. and Yao, X., 2005, “Search biases in constrained evolutionary optimization”, IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), Vol. 35, No. 2, pp.233-243.
• Mezura-Montes, E. and Coello, C.A.C., 2005, “A simple multimembered evolution strategy to solve constrained optimization problems”, IEEE Transactions on Evolutionary computation, Vol. 9, No. 1, pp.1-17.
• Muñoz Zavala, A.E., Aguirre, A.H. and Villa Diharce, E.R., 2005, June, “Constrained optimization via particle evolutionary swarm optimization algorithm (PESO)”, In Proceedings of the 7th annual conference on Genetic and evolutionary computation, pp. 209-216, ACM.
• Deb, K., 2000, “An efficient constraint handling method for genetic algorithms”, Computer methods in applied mechanics and engineering, Vol. 186, No. 2-4, pp.311-338.
• Karaboga, D. and Akay, B., 2011, “A modified artificial bee colony (ABC) algorithm for constrained optimization problems”, Applied soft computing, Vol. 11, No. 3, pp.3021-3031.
• Karaboga, D., 2005, “An idea based on honey bee swarm for numerical optimization”, Vol. 200, Technical report-tr06, Erciyes university, engineering faculty, computer engineering department.
• Coello, C.A.C., 2002, “Theoretical and numerical constraint-handling techniques used with evolutionary algorithms: a survey of the state of the art”, Computer methods in applied mechanics and engineering, Vol. 191, No. 11-12, pp.1245-1287.
• Akay, B., 2009, Nümerik optimizasyon problemlerinde yapay arı kolonisi (artificial bee colony) algoritmasının performans analizi, Doktora Tezi, Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Kayseri.
• Karaboga, D. and Basturk, B., 2007, June, “Artificial bee colony (ABC) optimization algorithm for solving constrained optimization problems”, In International fuzzy systems association world congress, pp. 789-798, Springer, Berlin, Heidelberg.
• Liang, J.J., Runarsson, T.P., Mezura-Montes, E., Clerc, M., Suganthan, P.N., Coello, C.C. and Deb, K., 2006, “Problem definitions and evaluation criteria for the CEC 2006 special session on constrained real-parameter optimization”, Journal of Applied Mechanics, Vol. 41, No. 8, pp.8-31.