AI Summary & Key Takeaways
AI InsightThus, the success of the sub-functions of the commonly used Simulated Annealing and Genetic Algorithm methods were compared and the findings were yield that could guide the researchers in other studies.
📌 3 Key Takeaways
Abstract
Subset sum problem was solved with two different metaheuristic approaches in the study. After these approaches, which are simulated annealing and genetic algorithms, a hybrid model of two methods was created and better results were obtained. The observed results were compared with other methods in the literature and the best time cost results were yielded owing to the hybrid algorithm developed in the study. The algorithms used gave successful results in terms of Cost values too. Performance analyses were measured on the Subset Sum Problem, defined as NP-Complete problem in computer science, with different functions used in these methods. Thus, the success of the sub-functions of the commonly used Simulated Annealing and Genetic Algorithm methods were compared and the findings were yield that could guide the researchers in other studies.
Özet
Araştırmada iki farklı metaheuristik yaklaşımla alt küme toplamı problemi çözümüne odaklanılmıştır. Benzetilmiş Tavlama ve Genetik Algoritma yaklaşımlardan sonra bu iki metottan oluşan hibrit bir model geliştirilmiş ve daha iyi sonuçlar elde edilmiştir. Gözlemlenen sonuçlar literatürdeki diğer yöntemlerle kıyaslanmış ve çalışmada geliştirilen hibrit algoritma ile en iyi zaman maliyetine sahip sonuçların elde edildiği bulunmuştur. Kullanılan algoritmalar Cost değerleri yönüyle de başarılı sonuçlar vermiştir. Bilgisayar bilimlerinde NP-Complate problem olarak tanımlanan Alt küme toplamı problemi kullanılarak bu yöntemlerde kullanılan farklı fonksiyonlarla performans analizleri yapılmıştır. Böylece yaygın olarak kullanılan Simulated Annealing and Genetic Algorithm yöntemlerine ait alt fonksiyonların başarısı kıyaslanmış ve araştırmacılar için diğer çalışmalarda yol gösterebilecek bulgular elde edilmiştir.