ELITE INDIVIDUAL BASED ARTIFICIAL BEE COLONY ALGORITHM FOR LARGE SCALE CONTINUOUS OPTIMIZATION PROBLEMS

BÜYÜK ÖLÇEKLİ SÜREKLİ OPTİMİZASYON PROBLEMLERİ İÇİN ELİT BİREY TABANLI YAPAYARI KOLONİSİ ALGORİTMASI

Abstract

As the size of the optimization problems grows, it becomes more difficult to solve.Swarm intelligence algorithms can be used to tackle these problems. One of the swarmintelligence algorithms is the Artificial Bee Colony (ABC) algorithm. In order to benefitfrom the artificial bee colony algorithm in large-scale optimization problems, someimprovements are required in the original ABC algorithm. In this study, theimprovements made for the ABC algorithm are defined in a new ABC algorithm that wecall "Elite Individual Based Adaptive Artificial Bee Colony Algorithm". Unlike classicalABC algorithms, different search equations are used in employed and onlooker beessteps and elite individuals are used in these search equations. In addition, the algorithmperformance is enhanced with a local search technique. Choosing the correct parametervalues of algorithms has a great effect on the success of algorithms. In this study, usingthe irace tool, the parameters of the algorithm are tried to be adjusted in the best way.The algorithm we developed is tested on the SOCO11 benchmark function set, whichincludes large-scale continuous optimization functions. The results we obtained werecompared with ABC algorithms and the algorithms that previously participated in SOCO11 competition, and successful results are obtained.

Özet

Optimizasyon problemlerinin boyutu büyüdükçe çözümleri de zorlaşmaktadır. Bu problemlerin üstesinden gelmek için sürü zekâsı algoritmalarından faydalanılabilir. Birçok sürü zekâsı algoritmalarından bir tanesi de Yapay Arı Kolonisi (Artificial Bee Colony, ABC) algoritmasıdır. Büyük ölçekli optimizasyon problemlerinde yapay arı kolonisi algoritmasından faydalanabilmek için orijinal ABC algoritmasında bazı iyileştirmeler yapmak gerekmektedir. Bu çalışmada, ABC algoritması için yapılan iyileştirmeler “Elit Birey Tabanlı Uyarlanabilir Yapay Arı Kolonisi Algoritması’ adını verdiğimiz yeni bir ABC algoritması içerisinde tanımlanmıştır. Klasik ABC algoritmalarından farklı olarak işçi ve gözcü arı adımlarında farklı arama denklemleri kullanılmış ve bu arama denklemlerinde elit bireylerden yararlanılmıştır. Ayrıca bir yerel arama tekniği ile algoritma performansı güçlendirilmiştir. Algoritmalara ait parametre değerlerinin doğru olarak seçilmesi algoritmaların başarısında büyük etkiye sahiptirler. Bu çalışmada irace aracı kullanılarak algoritmaya ait parametreler en iyi şekilde ayarlanmaya çalışılmıştır. Geliştirdiğimiz algoritma büyük ölçekli sürekli optimizasyon fonksiyonlarını barındıran SOCO11 ölçüt fonksiyon kümesinde test edilmiştir. Elde ettiğimiz sonuçlar ABC algoritmalarıyla ve SOCO11 yarışmasına katılan algoritmalar ile karşılaştırılmış ve başarılı sonuçlar elde edilmiştir.