Application of Outlander Algortihm on Non-Aggressive Selection Methods

Yıl 2018, Cilt: 33 Sayı: 3, 31 - 40, 30.09.2018

Mustafa Oral , Mashar Cenk Gençal

https://doi.org/10.21605/cukurovaummfd.500532

Öz

Genetic Algorithms (GAs), one of the most frequently used methods in optimization problems, stochastically select the appropriate individuals in order to find the optimum point that is searched. By choosing the most appropriate individuals in each iteration, it aims to find the optimum or near optimum point. Hence, it is significantly important to have a decent selection method in order to operate GAs effectively. The goal of this paper is to improve Outlander algorithm which was already proposed. The performance of the improvised Outlander algorithm is compared with previously proposed selection methods; Aggressive, Non-Aggressive selection methods, and the most commonly used standard selection methods; Roulette Wheel, Linear Ranking and Tournament, as well as the Outlander algorithm. It is observed that the improved algorithm has pronounced advantages over the compared algorithms.

Anahtar Kelimeler

Genetic algorithms Outlander algorithm, Non-aggressive selection method

Yabancı Algoritmasının Saldırgan Olmayan Seçim Yöntemlerine Uygulanması

Öz

Optimizasyon problemlerinde sıklıkla kullanılan yöntemlerden biri olan Genetik algoritmalar, rassallıktan yararlanarak, aranan optimum nokta için en uygun bireyleri seçerler. Böylelikle, her bir tekrarlamada en uygun bireyleri seçerek, optimum noktayı bulmayı ya da optimum değere yaklaşmayı amaçlamaktadır. Bundan dolayı, genetik algoritmaların etkili bir biçimde çalışması için iyi bir seçim yöntemine sahip olmak algoritmanın başarımı açısından büyük önem arz etmektedir. Bu çalışmanın amacı, önceden sunmuş olduğumuz Yabancı seçim yönteminin iyileştirilmesidir. Sunulan iyileştirilmiş algoritmanın performansı, önceden sunulmuş olan Saldırgan seçim yöntemleri, Saldırgan olmayan seçim yöntemleri ve Yabancı seçim yöntemi ile yaygın olarak kullanılan seçim yöntemlerinden; rulet tekeri, doğrusal sıralama ve turnuva metotlarının performansları ile karşılaştırılmıştır. Sunulan iyileştirilmiş algoritmanın, kıyaslanan algoritmalar üzerinde bariz üstünlüğü gözlemlenmiştir. 

Anahtar Kelimeler

Genetik algoritma, Yabancı algoritması, Saldırgan olmayan seçim yöntemi

Kaynakça

• 1. Holland, J. 1975. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence, The University of Michigan Press, viii 183.
• 2. Goldberg, D.E. 1989. Genetic Algorithms in Search Optimization and Machine Learning, Addison-Wesley Longman Publishing Co., Inc. Boston, MA, USA.
• 3. Mitchell, M. 1996. An Introduction to Genetic Algorithms, A Bradford Book The MIT Press.
• 4. Gençal, M.C., Oral, M. 2017. Outlander Algorithm Based on Integrated Aggressive Selection Method, International Journal of Science and Research (IJSR), Volume 6 Issue 11, 1673-1679, DOI: 10.21275/ART20178369
• 5. Grefenstette, J.J., Baker, J.E. 1989. How Genetic Algorithms Work: a Critical Look at Implicit Parallelism, Proceedings of the Third International Conference on Genetic Algorithms, 20-27.
• 6. Oral, M., Gençal, M.C., 2017. Genetik Algoritma için İyileştirilmiş Saldırgan ve Bütünleşik Saldırgan Seçim Yöntemleri, Proceeding of UBMK: 2nd International Conference on Computer Sciences and Engineering, 320-325.
• 7. Goldberg, D.E., 1990. A Note on Boltzmann Tournament Selection for Genetic Algorithms and Population-oriented Simulated Annealing. Complex Systems 4.4, 445-460.
• 8. Harik, G.R. 1995. Finding Multimodal Solutions using Restricted Tournament Selection, ICGA, 24-31.
• 9. Matsui, K. 1999. New Selection Method to Improve the Population Diversity in Genetic Algorithms. In: Systems, Man, and Cybernetics, IEEE SMC'99 Conference Proceedings. 1999 IEEE International Conference on. IEEE, 625-630.
• 10. De La Maza, Tidor, B. 1991. Increased Flexibility in Genetic Algorithms: The use of Variable Boltzmann Selective Pressure to Control Propagation, Proceeding of ORSA Conference: Computer Science and Operations Research: New Developments in Their Interfaces, 425-440.
• 11. Pohlheim, H. 1995. The Multipopulation Genetic Algorithm: Local selection and Migration, Technical Report, Technical University Ilmenau.
• 12. Molga, M., Smutnicki, C. 2005. Test Functions for Optimization Needs, available: http://www.zsd.ict.pwr.wroc.pl/files/docs/funct ions.pdf.
• 13. Lobo, F.G., Goldberg, D. 2004. The Parameter- Less Genetic Algorithm in Practice, Information Sciences, 167(1-4), 217-232.