KaydedilenlerDerginizi ekleyin

Dergiler / Bilişim Teknolojileri Dergisi / 2021 / Cilt: 14 - Sayı: 4

Gerçek Dünya Kısıtlı Optimizasyon Problemlerinin Çözümü için En Değerli Oyuncu Algoritmasının Değerlendirilmesi

Evaluation of the Most Valuable Player Algorithm for Solving Real-World Constrained Optimization Problems

Sait Ali UYMAZ
Sayfa
345–353
Yayın Tarihi
2021-10-31
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)

Sonuçlar, kısıtları sağlayan uygun çözümler bulmada yüksek bir başarı oranı göstermiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Gerçek-dünya kısıtlı optimizasyon problemlerinin, karar değişkenlerine ek olarak kısıtlamaları ve yerel minimum noktaları vardır.
📊
Temel Bulgular & Veri:Spor etkinliklerinden esinlenerek yakın zamanda önerilen bir meta-sezgisel optimizasyon algoritması olan En Değerli Oyuncu Algoritması (MVPA), matematiksel test fonksiyonları üzerinde test edilmiştir.
💡
Sonuç & Katkı:Sonuçlar, kısıtları sağlayan uygun çözümler bulmada yüksek bir başarı oranı göstermiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Kısıt işleme tekniği · Mühendislik problemleri · en değerli oyuncu algoritması

Özet

Gerçek-dünya kısıtlı optimizasyon problemlerinin, karar değişkenlerine ek olarak kısıtlamaları ve yerel minimum noktaları vardır. Kısıtlamalar nedeniyle bu problemlerin arama alanları çok küçük olduğu için çözülmesi zor ve zaman alıcıdır. Son yıllarda, bu tür problemleri çözmek için birçok yeni meta-sezgisel algoritma önerilmiş ve kısıt işleme teknikleriyle birleştirilmiştir. Spor etkinliklerinden esinlenerek yakın zamanda önerilen bir meta-sezgisel optimizasyon algoritması olan En Değerli Oyuncu Algoritması (MVPA), matematiksel test fonksiyonları üzerinde test edilmiştir. Bu çalışmada, MVPA algoritması kısıt işleme teknikleri ve bazı modifikasyonlar ile birleştirilerek 19 kısıtlı gerçek dünya mühendislik optimizasyon problemi üzerinde test edilmiştir. Sonuçlar, kısıtları sağlayan uygun çözümler bulmada yüksek bir başarı oranı göstermiştir.

Abstract

Real-world constrained optimization problems have constraints and local minimums in addition to decision variables. They are time consuming and difficult to solve since the search spaces of these problems are very small due to the constraints. In recent years, many new metaheuristic algorithms have been proposed and combined with constraint handling techniques to solve such problems. The most valuable player algorithm (MVPA), a recently proposed metaheuristic optimization algorithm, inspired by sports events, has been tested on mathematical benchmark functions. In this study, the MVPA algorithm is combined with constraint handling techniques and some modifications and tested on 19 real-world constrained engineering optimization problems. The results showed a high success rate in finding feasible solutions.

🔖

Bu Makaleye Atıf Yap

UYMAZ, S. A. (2021). Gerçek Dünya Kısıtlı Optimizasyon Problemlerinin Çözümü için En Değerli Oyuncu Algoritmasının Değerlendirilmesi. Bilişim Teknolojileri Dergisi, Cilt: 14 - Sayı: 4, 345–353. https://ajindex.com/articles/382022

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. R. Mallipeddi and P. N. Suganthan, "Ensemble of Constraint Handling Techniques", IEEE Transactions on Evolutionary Computation,14(4), 561-579, 2010
  2. E. Mezura-Montes and C. A. C. Coello, "Constraint-hand ling in nature-inspired numerical optimization: Past, present and future", Swarm and Evolutionary Computation, 1(4), 173-194, 2011
  3. Z. Michalewicz, “A survey of constraint handling tech niqu es in evolutionary computation methods”,Evolutionary Programming, 4, 135-155, 1995
  4. A. Kumar, G. H. Wu, M. Z. Ali, R. Mallipeddi, P. N. Suganthan, and S. Das, "A test-suite of non-convex constrained optimization problems from the real-world and some baseline results",Swa rm and Evolutionary Computation, 56, 2020, doi: 10.1016/j.swevo.2020.100693
  5. C. Y. Si, J. J. Hu, T. Lan, L. Wang, and Q. D. Wu, "A com bined constraint handling framework: an empirical s tud y", Memetic Computing, 9(1), 69-88, 2017
  6. Z. Michalewicz and M. Schoenauer, "Evolutionary Algo rith ms for Constrained Parameter Optimization Problems", Evolutionary computation, 4(1), 1-32, 1996
  7. C. A. C. Coello, "Theoretical and numerical constraint-h an dling techniques used with evolutionary algorithms: a s u rvey o f th e state of the art", Computer methods in applied mecha nics a nd engineering, 191(11-12), 1245-1287, 2002
  8. J. J. Liu, S. H. Zhang, C. Z. Wu, J. W. Liang, X. Y. Wang, and K. L. Teo, "A hybrid approach to constrained global optimizatio n", Applied Soft Computing, 47, 281-294, 2016
  9. B. Tessema and G. G. Yen, "A self adaptive p en alty fun ctio n based algorithm for constrained optimization", 2006 IEEE Congress on Evolutionary Computation (CEC), Vancou ver, BC, Canada, 246-253, 2006
  10. Z. J. Liu, B. Q. Lu, and Y. Cao, "A new optimization method based on restructuring penalty function for solving co ns trained minimization problems", 2006 IEEEInternational Conference on Granular Computing, Atlanta, USA, 510-514, 2006
  11. B. Tessema and G. G. Yen, "An Adaptive Penalty Fo rmu latio n for Constrained Evolutionary Optimization", IEEE Transactio ns on Systems, Man, and Cybernetics-Part A: Systems and Humans, 39(3), 565-578, 2009
  12. A. Cinar and M. Kiran, "The Performance of Penalty Methods on Tree-Seed Algorithm for Numerical Constrained Op timizatio n Problems", International Arab Journal of Information Technology, 17(5), 799-807, 2020
  13. K. M. Ang, W. H. Lim, N. A. M. Isa, S. S. Tiang, and C. H. Wong, "A constrained multi-swarm particle swarm optimizatio