AI Summary & Key Takeaways
AI InsightWhen the experimental results were examined, it was observed that the hybrid approach developed in terms of diversity and convergence performance was acceptable.
📌 3 Key Takeaways
Abstract
Basically, optimization is the process of finding the best solutions for one or more problems under certain conditions. Today, classical methods and heuristic methods are used to solve these problems. Wind Driven Optimization algorithm, which is one of the heuristic methods, is an algorithm that seeks solutions for single-objective optimization problems that benefit from atmospheric dynamic equality based on the movement of the wind in the atmosphere.In this study, Wind Driven Optimization algorithm was rearranged to solve multi-objective optimization problems. In multi-objective optimization problems, the performance of the used method depends on how closely the results obtained converge to the actual results and how diverse these results are. Methods such as non-dominant sorting, weighted sum, normal boundary intersection are frequently used approaches in multi-objective optimization problems. While some of these approaches have more diverse to results, others have been observed to better converge. The main purpose of this study is to optimize the solutions obtained in terms of both diversity and convergence.Within this scope, a new hybrid approach has been developed by using non-dominant sorting and adaptive grid approaches. Non-dominant sorting used for better convergence and adaptive grid approach is used for diversity. The developed hybrid approach has been tested in test problems and nonlinear equation systems. Results have been compared with Non-Dominated Sorting Genetic Algorithm (NSGA-II) and Multi-Objective Particle Swarm Optimization (MOPSO). When the experimental results were examined, it was observed that the hybrid approach developed in terms of diversity and convergence performance was acceptable.
Özet
Temel anlamda optimizasyon, bir veya birden fazla problemin belirli koşullar altındaki en iyi çözümlerini bulma işlemidir. Günümüzde bu problemlerin çözümü için klasik yöntemler ve sezgisel yöntemler kullanılmaktadır. Sezgisel yöntemlerden biri olan Rüzgar Güdümlü Optimizasyon algoritması, rüzgarın atmosfer içerisindeki hareketini temel alarak atmosferik dinamik eşitlikten yararlanan tek amaçlı optimizasyon problemlerine çözüm arayan bir algoritmadır.Bu çalışmada çok-amaçlı optimizasyon problemlerinin çözümü için Rüzgar Güdümlü Optimizasyon algoritması yeniden düzenlenmiştir. Çok-amaçlı optimizasyon problemlerinde elde edilen sonuçların gerçek sonuçlara ne kadar yakınsadığı ve bu sonuçların ne kadar çeşitli olduğu kullanılan yöntemlerin performansı hakkında bilgi vermektedir. Baskın olmayan sıralama, ağırlıklı toplam, normal sınır kesişimi gibi metotlar çok-amaçlı optimizasyon problemlerinde sıklıkla kullanılan yaklaşımlardır. Bu yaklaşımlardan bazıları çeşitlilik açısından ön plana çıkarken bazılarının ise en iyi sonuca daha iyi yakınsadığı gözlenmiştir. Bu çalışmanın temel amacı elde edilen çözümleri hem çeşitlilik hem de yakınsama açısından en iyi hale getirmektir.Bu amaç kapsamında baskın olmayan sıralama ve adaptif ızgara yaklaşımları bir arada kullanılarak yeni bir hibrit yaklaşım geliştirilmiştir. Daha iyi bir yakınsama için baskın olmayan sıralama, çeşitlilik için adaptif ızgara yaklaşımı bir arada kullanılmıştır. Geliştirilen bu hibrit yaklaşım test problemleri ve doğrusal olmayan denklem sistemlerinde test edilerek sonuçları literatürde iyi bilinen Baskın Olmayan Sıralamalı Genetik Algoritma (NSGA-II) ve Çok-Amaçlı Parçacık Sürü Optimizasyonu (MOPSO) algoritmaları ile karşılaştırılmıştır. Deneysel sonuçlar incelendiğinde çeşitlilik ve yakınsama performansı açısından geliştirilen hibrit yaklaşımın kabul edilebilir olduğu gözlenmiştir.