YSA ve GA Temelli Bir Algoritma ile Doğrusal Olmayan Optimizasyon

Özet

Bu çalışmada doğrusal olmayan optimizasyon problemlerinin çözümünde yapay sinir ağlarının ve genetik algoritmaların kullanımıyla ilgili yeni bir yaklaşım önerilmektedir. Önerilen optimizasyon metodu, kısıtları öğrenmek için yapay sinir ağları, global optimum çözüme yakınsamak için genetik algoritmayı ve özellikle bazı kısıtların olurlu çözümü ihlal ettiği durumlarda metodun sonuçlarını değerlendirmek için ise amaç programlamayı seçenek çözüm olarak sunmaktadır. Yöntemin klasik yöntemlere göre hesaplama karmaşıklığı açısından avantajları incelenerek kullanım sınırlamaları belirlenmiştir.

Abstract

In this study, a new approach is offered to nonlinear optimization problem solving by using artificial neural networks and genetic algorithms. The proposed approach utilizes Artificial Neural Network (ANN) for learning constraints, Genetic Algorithm (GA) for evolving to global optimum solution and Goal Programming for evaluating results in case of some constraints violate their boundaries near around the feasible region. The approach is compared with classical methods in terms of computational complexity advantages and usage limitations are discussed.