KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2012 / Cilt: 27 - Sayı: 4

YAPAY BAĞIŞIKLIK SİSTEMİNİN ÇOKLU ETMEN BENZETİM ORTAMINDA REALİZE EDİLMESİ VE GEZGİN SATICI PROBLEMİNE UYGULANMASI

Adil BAYKASOĞLU
Alper SALTABAŞ
A. Serdar TAŞAN
Kemal SUBULAN
Sayfa
0
Yayın Tarihi
2013-02-19
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)

Ayrıca geleneksel klonal seçim algoritmasının performansını arttırmak için reseptördeğişim süreci ve çaprazlama mekanizması önerilen modele entegre edilmiş ve doğal oluşları daha gerçekçimodelleyebilen etmen tabanlı yaklaşımlar ile de etkin çözümler elde edilebileceği gösterilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Kombinatoryal optimizasyon problemlerinin çözümü için geliştirilen birçok meta-sezgisel algoritmabulunmasına rağmen bu algoritmaları etmen tabanlı modelleme ortamında realize eden çalışmaların sayısı çokazdır.
📊
Temel Bulgular & Veri:Bu amaçla ilk defa mevcut çalışmada, bir kombinatoryaloptimizasyon problemi olan gezgin satıcı probleminin (GSP) modellenmesi ve çözümü için yapay bağışıklıksistemi algoritmalarından klonal seçim algoritması çoklu etmen benzetim ortamında modellenmiş vealgoritmanın gösterdiği davranışın incelenmesi için farklı GSP setleri üzerinde benzetim deneylerigerçekleştirilmiştir.
💡
Sonuç & Katkı:Ayrıca geleneksel klonal seçim algoritmasının performansını arttırmak için reseptördeğişim süreci ve çaprazlama mekanizması önerilen modele entegre edilmiş ve doğal oluşları daha gerçekçimodelleyebilen etmen tabanlı yaklaşımlar ile de etkin çözümler elde edilebileceği gösterilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Etmen tabanlı modelleme ve benzetim · yapay bağışıklık sistemi · klonal seçim algoritması

Özet

Kombinatoryal optimizasyon problemlerinin çözümü için geliştirilen birçok meta-sezgisel algoritmabulunmasına rağmen bu algoritmaları etmen tabanlı modelleme ortamında realize eden çalışmaların sayısı çokazdır. Özellikle Yapay Bağışıklık Sisteminin (YBS) dinamiklerini modelleyen algoritmaların adaptasyonyeteneğine sahip popülasyon tabanlı yaklaşımlar olması, YBS’nin etmen tabanlı modelleme ortamında gerçeğedaha yakın bir şekilde realize edilmesini sağlayacaktır. Bu amaçla ilk defa mevcut çalışmada, bir kombinatoryaloptimizasyon problemi olan gezgin satıcı probleminin (GSP) modellenmesi ve çözümü için yapay bağışıklıksistemi algoritmalarından klonal seçim algoritması çoklu etmen benzetim ortamında modellenmiş vealgoritmanın gösterdiği davranışın incelenmesi için farklı GSP setleri üzerinde benzetim deneylerigerçekleştirilmiştir. Etmen tabanlı modellerin geliştirilmesi ve benzetim testlerinin yapılabilmesi için Netlogoyazılımı kullanılmıştır. Ayrıca geleneksel klonal seçim algoritmasının performansını arttırmak için reseptördeğişim süreci ve çaprazlama mekanizması önerilen modele entegre edilmiş ve doğal oluşları daha gerçekçimodelleyebilen etmen tabanlı yaklaşımlar ile de etkin çözümler elde edilebileceği gösterilmiştir.

🔖

Bu Makaleye Atıf Yap

BAYKASOĞLU, A., SALTABAŞ, A., TAŞAN, A. S., SUBULAN, K. (2013). YAPAY BAĞIŞIKLIK SİSTEMİNİN ÇOKLU ETMEN BENZETİM ORTAMINDA REALİZE EDİLMESİ VE GEZGİN SATICI PROBLEMİNE UYGULANMASI. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 27 - Sayı: 4, 0. https://ajindex.com/articles/20593

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. De Castro, L. ve Von Zuben, F., “Learning and Optimization Using The Clonal Selection Principle”, Evolutionary Computation, Cilt 6, Sayı 3, 239-251, 2002.
  2. Gao, S., Dai, H., Yang, G. ve Tang, Z., “A Novel Clonal Selection Algorithm and Its Application to Traveling Salesman Problem”, IEICE Trans. Fundamentals, Cilt E90–A, No 10, 2007.
  3. Dai, H., Yang, Y. ve Li, C., “Improved Quantum Crossover Based Clonal Selection Algorithm”, Third International Conference on Intelligent Networks and Intelligent Systems, Shenyang - Çin, 366-369, 01-03 Kasım 2010.
  4. Dai, H., Yang, Y. ve Li, C., “Distance Maintaining Compact Quantum Crossover Based Clonal Selection Algorithm”, Journal of Convergence Information Technology, Cilt 5, No 10, 56-65, 2010.
  5. Machado, R.B., Boukerche, A., Sobral, J.B.M., Juca, K.R.L. ve Notare, M.S.M.A., “A Hybrid Artificial Immune and Mobile Agent Intrusion Detection Based Model for Computer Network Operations”, 19th IEEE International Parallel and Distributed Processing Symposium, Denver – ABD, 04-08 Nisan 2005.
  6. Grilo, A., Caetano, A. ve Rosa, A., “Agent Based Artificial Immune System”, Genetic and Evolutionary Computation Congress (Proc. GECCO-01), San Francisco – ABD, Cilt LBP, -151, 07-11 Temmuz 2001.
  7. Ou, C.M. Wang, Y.T. ve Ou, C.R., “Intrusion Detection Systems Adapted From Agent-Based Artificial Immune Systems”, IEEE International Conference on Fuzzy Systems, Taipai – Tayvan, 115-122, 27-30 Haziran 2011.
  8. Mendao, M., Timmis, J., Andrews, P.S. ve Davies, M., “The Immune System in Pieces: Computational Lessons from Degeneracy in the Immune System”, IEEE Symposium on Foundations of Computational Intelligence, Havai, 394-400, 01-05 Nisan 2007.
  9. Sathyanath, S. ve Sahin, F., “Application of Artificial Immune System Based Intelligent Multi Agent Model to a Mine Detection Problem”, IEEE International Conference on Systems, Man and Cybernetics, Hammamet – Tunus, 06- Ekim 2002.
  10. Mamady, D., Tan, G., Toure, M.L. ve Alfawaer, Z.M., “An Artificial Immune System Based Multi-Agent Robotic Cooperation”, Novel Algorithms and Techniques in Telecommunications, Automation and Industrial Electronics, 60-67, 2008.
  11. Chingtham, T.S., Sahoo, G. ve Ghose, M.K., “An Artificial Immune System Model for Multi Agents Resource Sharing in Distributed Environments”, International Journal on Computer Sciences and Engineering, Cilt 2, No, 1813-1818, 2010.
  12. Singh, C.T. ve Nair, S.B., “An Artificial Immune System for a Multi-Agent Robotics System”, Word Academy of Science, Eng. and Technol