Ayrıca, önerilen yaklaşımın literatürde iyi bilinen yöntemlerle karşılaştırıldığında rekabet edebilecek düzeyde sonuçlar verdiği görülmüştür.
📌 3 Maddede Bu Makale
🎯
Amaç & Hipotez:Çok amaçlı evrimsel algoritmalar ve sezgisel seçen üst-sezgiseller ortamda meydana gelebilecek farklı dinamizm tiplerini ele alan adaptif yöntemlerdir.
📊
Temel Bulgular & Veri:Sezgisel seçen üst-sezgiseller içinde kullanılan farklı sezgisel seçim yöntemlerinin etkisi ile birlikte önerilen yaklaşımın performansı yapay olarak oluşturulmuş dinamik test problemleri üzerinde deneysel olarak incelenmiştir.
💡
Sonuç & Katkı:Ayrıca, önerilen yaklaşımın literatürde iyi bilinen yöntemlerle karşılaştırıldığında rekabet edebilecek düzeyde sonuçlar verdiği görülmüştür.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Dinamik çok amaçlı eniyileme problemleri · üst-sezgiseller · çok amaçlı evrimsel algoritmalar
Özet
Çok amaçlı evrimsel algoritmalar ve sezgisel seçen üst-sezgiseller ortamda meydana gelebilecek farklı dinamizm tiplerini ele alan adaptif yöntemlerdir. Bu çalışmada, bu yöntemlerin birleştirildiği yapı, dinamik çok amaçlı eniyileme problemlerini çözmek için kullanılmıştır. Bu yapıda üst-sezgiseller toplumun bireylerini üretecek olan sezgiselleri seçmek için kullanılır. Sezgisel seçen üst-sezgiseller içinde kullanılan farklı sezgisel seçim yöntemlerinin etkisi ile birlikte önerilen yaklaşımın performansı yapay olarak oluşturulmuş dinamik test problemleri üzerinde deneysel olarak incelenmiştir. Deneysel sonuçlar öğrenme içeren üst-sezgisellerin kullanıldığı yaklaşımın öğrenme içermeyenlere göre daha iyi sonuç verdiğini göstermiştir. Ayrıca, önerilen yaklaşımın literatürde iyi bilinen yöntemlerle karşılaştırıldığında rekabet edebilecek düzeyde sonuçlar verdiği görülmüştür.
Kiraz, B. (2018). Dinamik Çok Amaçlı Eniyileme Problemleri için Hibrid Çerçevenin İncelenmesi. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, Cilt: 6 - Sayı: 1, 17–32. https://ajindex.com/articles/667359
Burke, E.K., Gendreau, M., Hyde, M., Kendall, G., Ochoa, G., Özcan, E., ve Qu, R., "Hyper-heuristics: a survey of the state of the art", Journal of the Operational Research Society, Cilt 64, No 12, 1695-1724, 2013. [2] Özcan, E., Bilgin, B., ve Korkmaz, E.E., "A comprehensive analysis of hyper-heuristics", Intell. Data Anal., Cilt 12, No 1, 3-23, 2008. [3] Cowling, P.I., Kendall, G., ve Soubeiga, E., "A Hyperheuristic Approach to Scheduling a Sales Summit". Proc. Selected papers from the Third International Conference on Practice and Theory of Automated Timetabling III, 176-190, 2001. [4] McClymont, K., Keedwell, E., Savić, D., ve Randall-Smith, M., "A general multi-objective hyper-heuristic for water distribution network design with discolouration risk", Journal of Hydroinformatics, Cilt 15, No 3, 700-716, 2013. [5] Kiraz, B., Etaner-Uyar, A.Ş., ve Özcan, E., "Selection hyper-heuristics in dynamic environments", Journal of the Operational Research Society, Cilt 64, No 12, 1753-1769, 2013. [6] Deb, K., Pratap, A., Agarwal, S., ve Meyarivan, T., "A fast and elitist multiobjective genetic algorithm: NSGA-II", IEEE Transactions on Evolutionary Computation, Cilt 6, No 2, 182-197, 2002. [7] Coello, C.A., "An updated survey of GA-based multiobjective optimization techniques", ACM Comput. Surv., Cilt 32, No 2, 109-143, 2000. [8] Deb, K., "Multi-Objective Optimization Using Evolutionary Algorithms", John Wiley, 2001. [9] Farina, M., Deb, K., ve Amato, P.: "Dynamic Multiobjective Optimization Problems: Test Cases, Approximation, and Applications", Evolutionary Multi-Criterion Optimization: Second International Conference, EMO 2003,
Faro, Portugal, April 8–11, 2003. Proceedings, in Fonseca, C.M., Fleming, P.J., Zitzler, E., Thiele, L., ve Deb, K. (Ed.)^(Eds.), Springer Berlin Heidelberg, 311-326, 2003. [10] Jin, Y., ve Branke, J., "Evolutionary optimization in uncertain environments-a survey", IEEE Transactions on Evolutionary Computation, Cilt 9, No 3, 303-317, 2005. [11] Yang, S., ve Yao, X., "Evolutionary Computation for Dynamic Optimization Problems", 2013. [12] Cobb, H.G., "An investigation into the use of hypermutation as an adaptive operator in genetic algorithms having continuous, time-dependent nonstationary environments", Rep.No, Naval Research Lab., Washington, DC, 1990. [13] Deb, K., Rao N., U.B., ve Karthik, S.: "Dynamic Multi-objective Optimization and Decision-Making Using Modified NSGA-II: A Case Study on Hydro-thermal Power Scheduling", Evolutionary