KaydedilenlerDerginizi ekleyin

Dergiler / Uluslararası Teknolojik Bilimler Dergisi / 2019 / Cilt: 11 Sayı: 3

Rulet Tekerleği Yöntemi Kullanılarak Simbiyotik Organizmalar Arama Algoritmasının Geliştirilmesi

Improving Symbiotic Organisms Search Algorithm Using Roulette Wheel Method

Yusuf Sönmez(GAZİ ÜNİVERSİTESİ, TEKNİK BİLİMLER MESLEK YÜKSEKOKULU)0000-0002-9775-9835
Mesut Ünal(GAZİ ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜ)
Sayfa
186–200
Yayın Tarihi
2019-12-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Geliştirilen algoritma 30 benchmark üzerinde test edilmiş ve sonuçların klasik SOS algoritmasına göre daha güçlü olduğu görülmüştür.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Simbiyotik Organizmalar Arama (Symbiotic Organisms Search-SOS) Algoritması, doğadaki canlıların simbiyotik ilişkilerini taklit ederek geliştirilmiş güçlü bir meta-sezgisel optimizasyon algoritmasıdır.
📊
Temel Bulgular & Veri:Bu çalışmada SOS algoritmasına rulet tekerleği yöntemi kullanılarak geliştirilmesi amaçlamıştır.
💡
Sonuç & Katkı:Geliştirilen algoritma 30 benchmark üzerinde test edilmiş ve sonuçların klasik SOS algoritmasına göre daha güçlü olduğu görülmüştür.
🔬Tür:Laboratuvar & Saha Deneyi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Simbiyotik Organizmalar · Arama Algoritması · Optimizasyon

Özet

Simbiyotik Organizmalar Arama (Symbiotic Organisms Search-SOS) Algoritması, doğadaki canlıların simbiyotik ilişkilerini taklit ederek geliştirilmiş güçlü bir meta-sezgisel optimizasyon algoritmasıdır. Bu çalışmada SOS algoritmasına rulet tekerleği yöntemi kullanılarak geliştirilmesi amaçlamıştır. Geliştirilen R-SOS algoritması ile çözümün olması beklenen optimum noktaya daha da yaklaşması sağlanmıştır. Geliştirilen algoritma 30 benchmark üzerinde test edilmiş ve sonuçların klasik SOS algoritmasına göre daha güçlü olduğu görülmüştür.

Abstract

Symbiotic Organisms Search (SOS) Algorithm is a powerful meta-heuristic optimization algorithm developed by simulating the symbiotic relationships of living creatures in nature. In this study, it was aimed to develop SOS algorithm by using roulette wheel method. With the R-SOS algorithm developed, the solution is approached to the expected optimum point. The developed algorithm was tested on 30 benchmarks and the results were found to be stronger than the classical SOS algorithm.

🔖

Bu Makaleye Atıf Yap

Sönmez, Y., Ünal, M. (2019). Rulet Tekerleği Yöntemi Kullanılarak Simbiyotik Organizmalar Arama Algoritmasının Geliştirilmesi. Uluslararası Teknolojik Bilimler Dergisi, Cilt: 11 Sayı: 3, 186–200. https://ajindex.com/articles/1606034

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Cheng, M.Y., Prayogo, D. (2014). Symbiotic organisms search: a new metaheuristic optimization algorithm. Comput. Struct. 139, 98-112.
  2. Goldberg, D. E., & Holland, J. H. (1988). Genetic algorithms and machine learning. Machine learning, 3(2), 95-99,.
  3. Kennedy, J.; Eberhart, R. C., (1995). Particle Swarm Optimization, Proc. of the IEEE Int. Conference on Neural Networks, 4, 1942-1948,.
  4. . Storn R., (1997). Diferential Evolution, A Simple and Efficient Heuristic Strategy for Global Optimization over Continuous Spaces", Journal of Global Optimization, 11: 341-359.
  5. Karaboga, D., & Basturk, B. (2008). On the performance of artificial bee colony (ABC) algorithm. Applied soft computing, 8(1), 687-697.
  6. Jones, D. F., Mirrazavi, S. K., & Tamiz, M. (2002). Multi-objective meta-heuristics: An overview of the current state-of-the-art. European journal of operational research, 137(1), 1-9.
  7. Yang, X. S., & Deb, S. (2009, December). Cuckoo search via Lévy flights. In 2009 World Congress on Nature & Biologically Inspired Computing (NaBIC) (pp. 210-214).
  8. Baker, J.E. (1985). Adaptive Selectşon Methods for Genetic Algorithms, Proc.1st Int. Conf. Genetic Algorithms and their Applications, Lawrence Erlbaum Associates, Hillsdale, NJ, pp.100-101.
  9. Malhotra, R., Singh N., Singh Y. (2011). Genetic Algorithms: Concepts, Design for Optimization of Process Controllers, Computer and Information Science, Vol. 4, No.2, 39.
  10. Jain, A., Jain, S., Chande, P.K., (2010). Formulation of Genetic Algorithm to Generate Good Quality Cource Timetable, Intnational Journal of Innovation, Management and Technology, Vol. 1, No.3, 248.
  11. Goldberg, D. E., & Holland, J. H. (1988). Genetic algorithms and machine learning. Machine learning, 3(2), 95-99,.