Hibrit Ateşböceği ve Parçacık Sürü Algoritmasının Kaotik Haritalar ile İyileştirilmesi

Yıl 2019, Cilt: 4 Sayı: 2, 69 - 78, 05.08.2019

İbrahim Berkan Aydilek , Emin Tenekeci , İzzettin Hakan Karaçizmeli , Serkan Kaya , Abdülkadir Gümüşçü

Öz

Optimizasyon, sınırlandırılmış durumlar da en uygun çözümü bulmak için uygulanan arama yöntemidir. Son yıllarda sürü tabanlı meta sezgisel algoritmaların yaygınlaşması ile başarılı sonuçlar elde edilmiştir. Bu algoritmaların güçlü yanları olduğu kadar zayıf yanları da bulunabilmektedir. Bu algoritmaların güçlü yanlarının birleştirilmesi sonucu daha iyi algoritmalar geliştirilmeye çalışılmaktadır. Buna örnek olarak ateş böceği algoritması ile parçacık sürü algoritması birlikte kullanılarak Hibrit Ateşböceği ve Parçacık Sürü Algoritması (HAPSO) geliştirilmiştir. Bu çalışmada, çözüm uzayında optimum çözümü arama için kullanılan klasik rasgele fonksiyonu yerine kaotik haritaların kullanımı denenmiştir. Arama işleminde parçacıklarının hareketlerini belirleyen değişkenler kaotik harita ile elde edilen değerler ile değiştirilmektedir. Kaotik haritaların kullanımı rasgeleliğe göre daha dinamik bir arama işlemi gerçekleştirmektedir. Bu şekilde sömürü ve keşif dengelemesi sağlanmaktadır. Çalışmamızda Singer ve Iterative kaotik haritaları kullanılmıştır. Önerilen yöntemin başarısının ölçülebilmesi için CEC 2011 yarışmasında kullanılan ses sinyalinin sentezi için FM parametrelerin belirlenmesi problemi kullanılmıştır. Elde edilen sonuçlar önerilen yöntemin başarısını açık bir şekilde göstermektedir. 

Anahtar Kelimeler

Kaotik haritalar, Hibrit yöntemler, Meta sezgisel algoritmalar, Optimizasyon

Destekleyen Kurum

TÜBİTAK

Proje Numarası

118E355

Teşekkür

Bu çalışma TÜBİTAK tarafından 118E355 numaralı, “Akış Tipi Çizelgeleme Probleminin Yeni Kaotik Meta sezgisel Optimizasyon Algoritmaları İle Çözülmesi” isimli proje ile desteklenmiştir. Katkılarından dolayı teşekkürler.

Kaynakça

• I. B. Aydilek, "A hybrid firefly and particle swarm optimization algorithm for computationally expensive numerical problems," Applied Soft Computing, vol. 66, pp. 232-249, May 2018.
• D. X. Yang, Z. J. Liu, and J. L. Zhou, "Chaos optimization algorithms based on chaotic maps with different probability distribution and search speed for global optimization," Communications in Nonlinear Science and Numerical Simulation, vol. 19, no. 4, pp. 1229-1246, Apr 2014.
• B. Liu, L. Wang, Y. H. Jin, F. Tang, and D. X. Huang, "Improved particle swarm optimization combined with chaos," Chaos Solitons & Fractals, vol. 25, no. 5, pp. 1261-1271, Sep 2005.
• R. Hosseinpourfard, M. Javidi. Chaotic PSO using the Lorenz System: An Efficient Approach for Optimizing Nonlinear Problems. Cankaya University Journal of Science and Engineering, 12 (1), 2015, Retrieved from http://dergipark.gov.tr/cankujse/issue/33130/368659
• W. X. Yu, J. N. Wang, Y. L. Li, and Z. H. Wang, "The chaos and stability of firefly algorithm adjacent individual," TELKOMNIKA, vol. 15, no. 4, pp. 1733-1740, 2017.
• U. Guvenc, S. Duman, and Y. Hınıslıoglu, "Chaotic moth swarm algorithm," presented at the IEEE International Conference on Innovations in Intelligent Systems and Applications, 2017.
• X. S. Yang, "Firefly algorithms for multimodal optimisation," Proc. 5th Symposium on Stochastic Algorithms Foundations and Applications, pp. 169-178, 2009.
• J. Kennedy and R. Eberhart, "Particle swarm optimization," presented at the Proceedings of ICNN'95 - International Conference on Neural Networks, Australia, 1995.
• S. Saremi, S. Mirjalili, A. Lewis, Biogeography-based optimisation with chaos, Neural Computing and Applications, In press, 2014, Springer, DOI: http://dx.doi.org/10.1007/s00521-014-1597-x
• S. Das, P.N. Suganthan, “Problem definitions and evaluation criteria for CEC 2011 competition on testing evolutionary algorithms on real world optimization problems.” Jadavpur University, Nanyang Technological University, Kolkata, 2010, 341-359.
• Q. Zhang, H. Chen, J. Luo , Y. Xu, C. Wu ve C. Li, "Chaos Enhanced Bacterial Foraging Optimization for Global Optimization", IEEE Access, 2018 (6), 64905-64919.