SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2023 / Cilt: 38 - Sayı: 4

Büyük ölçekli optimizasyon problemleri için seçime dayalı yerel arama mekanizmasına sahip ikili Jaya algoritması

Ahmet ÖZKIŞ
Murat KARAKOYUN
Pages
2435–2450
Publication Date
2023-04-12
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)

Ayrıca önerilen algoritmanın M* problemleri üzerindeki performansının, diğer algoritmalarla karşılaştırıldığında rekabetçi ve ümit verici olduğu gözlenmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Jaya, yakın zamanda sürekli optimizasyon problemlerinin çözümü için önerilen popülasyon tabanlı metasezgisel bir algoritmadır.
📊
Key Findings & Data:Bu çalışmada, ikili optimizasyon problemlerinde çözüm uzayının etkili bir şekilde aranmasını sağlayan yeni bir yerel arama modülü (ELSM) geliştirilmiştir.
💡
Conclusion & Impact:Ayrıca önerilen algoritmanın M* problemleri üzerindeki performansının, diğer algoritmalarla karşılaştırıldığında rekabetçi ve ümit verici olduğu gözlenmiştir.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Jaya algoritması · İkili optimizasyon problemleri · kapasitesiz tesis yerleştirme problemleri

Özet

Jaya, yakın zamanda sürekli optimizasyon problemlerinin çözümü için önerilen popülasyon tabanlı metasezgisel bir algoritmadır. Literatürde ikili optimizasyon problemlerinin çözümü için çeşitli Jaya varyantları geliştirilmiştir. Bunlardan biri olan JayaX-LSM algoritması CAP problemlerinin çözümünde kullanılmış ve başarılı sonuçlar üretmiştir. Ancak CAP problemlerinden daha yüksek boyutlu ve kompleks bir yapıya sahip olan M* problemleri üzerinde test ettiğimizde algoritmanın oldukça başarısız sonuçlar ürettiği görülmüştür. Bu çalışmada, ikili optimizasyon problemlerinde çözüm uzayının etkili bir şekilde aranmasını sağlayan yeni bir yerel arama modülü (ELSM) geliştirilmiştir. Bu modül ikili JayaX algoritmasına eklenerek JayaX-ELSM algoritması önerilmiştir. Önerilen JayaX-ELSM algoritmasının performansı öncelikle JayaX-LSM algoritmasıyla CAP ve M* problem setleri üzerinde karşılaştırmalı olarak analiz edilmiştir. Daha sonra, önerilen algoritma, literatürde yakın zamanda yayınlanmış toplam 11 farklı algoritmayla performans karşılaştırmasına tabi tutulmuştur. Elde edilen sonuçlar, önerilen JayaX-ELSM'nin JayaX-LSM algoritmasının CAP problemlerinde sergilediği performansı devam ettirdiğini, M* problemlerinde de JayaX-LSM'den çok daha başarılı sonuçlar ürettiğini göstermektedir. Ayrıca önerilen algoritmanın M* problemleri üzerindeki performansının, diğer algoritmalarla karşılaştırıldığında rekabetçi ve ümit verici olduğu gözlenmiştir.

🔖

Cite This Article

ÖZKIŞ, A., KARAKOYUN, M. (2023). Büyük ölçekli optimizasyon problemleri için seçime dayalı yerel arama mekanizmasına sahip ikili Jaya algoritması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 38 - Sayı: 4, 2435–2450. https://ajindex.com/articles/886091

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Murty, K., Optimization models for decision making. 2003
  2. Gould, N., An introduction to algorithms for continuous optimization. 2006, Oxford University Computing Laboratory Notes
  3. Yuan, X., et al., An improved binary particle swarm optimization for unit commitment problem. Expert Systems with applications, 2009. 36(4): p. 8049-8055
  4. He, Y., et al., Novel binary differential evolution algorithm based on Taper-shaped transfer functions for binary optimization problems. Swarm and Evolutionary Computation, 2021: p. 101022
  5. Hakli, H., BinEHO: a new binary variant based on elephant herding optimization algorithm. Neural Computing and Applications, 2020. 32(22): p. 16971-16991
  6. Sahinkoc, H.M. and Ü. Bilge, A reference set based many-objective co-evolutionary algorithm with an application to the knapsack problem. European Journal of Operational Research, 2021
  7. Tongur, V. and E. Ülker, Migrating Birds Optimization (MBO) Algorithm to Solve Graph Coloring Problem. International Journal of Engineering Science, 2017. 14545
  8. Aslan, M. and N.A. Baykan, A performance comparison of graph coloring algorithms. International Journal of Intelligent Systems and Applications in Engineering, 2016: p. 1-7
  9. Ibrahim, I.M., Task scheduling algorithms in cloud computing: A review. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 2021. 12(4): p. 1041-1053
  10. Abualigah, L. and A. Diabat, A novel hybrid antlion optimization algorithm for multi-objective task scheduling problems in cloud computing environments. Cluster Computing, 2021. 24(1): p. 205-223
  11. Inan, O., M.S. Uzer, and N. Yılmaz, A new hybrid feature selection method based on association rules and PCA for detection of breast cancer. International Journal of Innovative Computing, Information and Control, 2013. 9(2): p. 727-729
  12. Dhiman, G., et al., BEPO: a novel binary emperor penguin optimizer for automatic feature selection. Knowledge-Based Systems, 2021. 211: p. 106560
  13. Baş, E. and E. Ülker, A binary social spider algorithm for uncapacitated facility location problem. Expert Systems with Applications, 2020. 161: p. 113618
  14. Cinar, A.C. and M.S. Kiran, Similarity and logic gate-based tree-seed algorithms for binary optimization. Computers & Industrial Engineering, 2018. 115: p. 631-646
  15. Sbihi, A., Adaptive perturbed neighbourhood search for the expanding capacity multiple-choice knapsack problem. Journal of the Operational Research Society, 2013. 64(10): p. 1461-14