SavedAdd your journal

Journals / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2026 / Cilt: 23 Sayı: 5

A fireworks algorithm using tournament selection operator

Turnuva seçim operatörü kullanan bir havai fişek algoritması

Bilal Babayiğit
Sema Haspaylan
Pages
628–636
Publication Date
2017-10-20
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Deneysel sonuçlar önerilen HFA’nın klasik HFA’ya göre hesaplama zamanı ve çözüm kalitesinde önemli performans iyileşmeleri sağladığını göstermiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Son on yılda doğa olaylarından esinlenerek çeşitli sürü zekasına dayalı optimizasyon teknikleri geliştirilmiştir.
📊
Key Findings & Data:Turnuva seçme operatörüne sahip HFA’nın başarımı 15 adet nümerik optimizasyon probleminde test edilmiştir.
💡
Conclusion & Impact:Deneysel sonuçlar önerilen HFA’nın klasik HFA’ya göre hesaplama zamanı ve çözüm kalitesinde önemli performans iyileşmeleri sağladığını göstermiştir.
🔬Design:Modeling & Simulation
📍Scope:15 adet
⚙️Variables:Sürü zekası · Optimizasyon teknikleri · Nümerik optimizasyon

Özet

Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Son on yılda doğa olaylarından esinlenerek çeşitli sürü zekasına dayalı optimizasyon teknikleri geliştirilmiştir. Kabul edilebilir bir sürede optimuma yakın çözümler üretebilen bu teknikler, fen ve sosyal bilimlerdeki birçok problemin çözümünde başarıyla uygulanmıştır.   Havai Fişek Algoritması (HFA), havai fişeklerin patlamalarından esinlenilmiş yeni bir sürü zekası algoritmasıdır. Oldukça yeni sayılabilecek bu teknik, çok çeşitli problemlerde başarılı bir şekilde kullanılmış ve özellikle parçacık sürü optimizasyonu, karınca koloni ve genetik algoritma gibi tekniklere göre daha iyi sonuçlar elde edilmiştir. Elde edilen başarılı sonuçlara rağmen, HFA optimum çözüme ulaşmak için uzun zamana ihtiyaç duymaktadır. Bu hesaplama zamanı yetersizliğini giderebilmek amacıyla bu çalışmada turnuva seçimi kullanan bir HFA önerilmiştir. Turnuva seçme operatörüne sahip HFA’nın başarımı 15 adet nümerik optimizasyon probleminde test edilmiştir. Deneysel sonuçlar önerilen HFA’nın klasik HFA’ya göre hesaplama zamanı ve çözüm kalitesinde önemli performans iyileşmeleri sağladığını göstermiştir.

🔖

Cite This Article

Babayiğit, B., Haspaylan, S. (2017). A fireworks algorithm using tournament selection operator. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 23 Sayı: 5, 628–636. https://ajindex.com/articles/1058916

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (20)

  1. Merkle D, Middendorf M. “Swarm intelligence and signal processing”. IEEE Signal Processing Magazine, 25(6), 152-158, 2008.
  2. Karaboğa D. “Yapay Zeka Optimizasyon Algoritmaları”. 3. Baskı. Ankara, Türkiye, Nobel Akademik Yayıncılık, 2014.
  3. Akdagli A, Guney K, Karaboga D, Babayigit B. “Finding failed element positions in linear antenna arrays using genetic algorithm”. 3rd International Conference on Electrical and Electronics Engineering, Bursa, Turkey, 3-7 December, 2003.
  4. Chen Y, An A. “Application of ant colony algorithm to geochemical anomaly detection”. Journal of Geochemical Exploration, 164, 75-85, 2016.
  5. Gao S, Wang Y, Cheng J, Inazumi Y, Tang Z. “Ant colony optimization with clustering for solving the dynamic location routing problem”. Applied Mathematics and Computation, 285, 149-173, 2016.
  6. Kerdphol T, Fuji K, Mitani Y, Watanabe M, Qudaih Y. “Optimization of a battery energy storage system using particle swarm optimization for stand-alone microgrids”. International Journal of Electrical Power & Energy Systems, 81, 32-39, 2016.
  7. Chuang LY, Moi SH, Lin Y-D, Yang CH. “A comparative analysis of chaotic particle swarm optimizations for detecting single nucleotide polymorphism barcodes”. Artificial Intelligence in Medicine, 73, 23-33, 2016.
  8. Gong M, Yan J, Shen B, Ma L, Cai Q. “Influence maximization in social networks based on discrete particle swarm optimization”. Information Sciences, 367-368, 600-614, 2016.
  9. Babayigit B, Akdagli A, Guney K. “A clonal selection algorithm for null synthesizing of linear antenna array by amplitude control”. Journal of Electromagnetic Waves and Applications, 20(8), 1007-1020, 2006.
  10. Akdagli A, Guney K, Babayigit B. “Clonal selection algorithm for design of reconfigurable antenna array with discrete phase shifters”. Journal of Electromagnetic Waves and Applications, 21(2), 215-227, 2007.
  11. Souza SSF, Romero R, Pereira J, Saraiva JT. “Artificial immune algorithm applied to distribution system reconfiguration with variable demand”. International Journal of Electrical Power & Energy Systems, 82, 561-568, 2016.
  12. Tavana M, Kazemi MR, Vafadarnikjjoo A, Mobin M. “An artificial immune algorithm for ergonomic product classification using anthropometric measurements”. Measurement, 94, 621-629, 2016.
  13. Hong PN, Ahn CW. “Linkage artificial bee colony for solving linkage problems”. Expert Systems with Applications, 61, 378-385, 2016.
  14. Li B, Zhou C, Liu H, Li Y, Cao H. “Image retrieval via balance-evolution artificial bee colony algorithm and lateral inhibition”. Optik-International Journal for Light and Electron Optics, 127(24), 11775-11785, 2016.
  15. Shah-Hosseini H. “The intelligent water drops algorithm: a nature-inspired swarm-based optimization algorithm”. International Journal of Bio-Inspired Computation, 1(1), 71-79, 2009.
  16. Shi Y. “Brain storm optimization algorithm”. Advances in Swarm Intelligence, 6728, 303-309, 2011.
  17. Tayarani NMH, Akbarzadeh TMR. “Magnetic optimization algorithms a new synthesis”. IEEE World Congress on Computational Intelligence Evolutionary Computation (CEC), Hong Kong, China, 1-6 June 2008.
  18. Tan Y, Zhu A. “Fireworks algorithm for optimization”. Advances in Swarm Intelligence, 6145, 355-364, 2010.
  19. Tan Y. Fireworks Algorithm A Novel Swarm Intelligence Optimization Method. 1st ed. New York, USA, Springer, 2015.
  20. Tukey JW. Exploratory Data Analysis. Boston, MA, USA, Addison-Wesley, 1977.