Yıl: 2008 Cilt: 11 Sayı: 4 Sayfa Aralığı: 299 - 305 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması

Öz:
Optimizasyon problemlerinin çözümü için kullanılan bir çok optimizasyon tekniği doğadaki olaylardan esinlenilerek geliştirilmiştir. Parçacık Sürü Optimizasyonu (PSO), kuş ve balık sürülerinin sosyal davranışları gözlemlenerek geliştirilen popülasyon temelli bir optimizasyon algoritmasıdır. Bu makalede PSO ile Genetik Algoritma (GA) ve Diferansiyel Evrim Algoritmasının(DEA) performansları, test fonksiyonları kullanılarak karşılaştırılmaktadır. Elde edilen sonuçlardan, PSO nun her iki algoritmaya göre yakınsama hızı ve performans bakımından daha iyi çözümler ürettiği görülmektedir.
Anahtar Kelime:

Particle swarm optimization algorithm for solving optimization problems

Öz:
Many optimization techniques used in solving optimization problems has been developed by inspiring from the events in nature. Particle Swarm Optimization (PSO) algorithm is a population based optimization technique inspired by social behavior of bird flocking and fish schooling. In this paper, PSO is compared with Genetic Algorithms and Differential Evolution Algorithm by using test functions. The results show that the PSO, in most problems, is able to find much better solutions and better convergence compared to other two algorithms.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • 1. Çunkaş M., Elektrik Makinalarının Genetik Algoritmayla Optimizasyonu, Doktora Tezi, Selçuk Ünv. Fen Bilimleri Enst. 2004, Konya
  • 2. Karaboğa D., Yapay zeka optimizasyon algoritmaları, Atlas Yayınları, 2004.
  • 3. Rahimpour E., Rashtchi V., Pesaran M., “Parameter identification of deep-bar induction motors using genetic algorithm”, Electrical Engineering, 89(7): 547-552, 2007.
  • 4. Çunkaş M., Akkaya R., Bilgin O.,“Cost optimization of submersible motors using a genetic algorithm and a finite element method”, Int. J of Adv. Manuf. Technol., 33: 223-232, 2007.
  • 5. Tušar T., Korošec P., Papa G.,Filipič B., Šilc J. “A comparative study of stochastic optimization methods in electric motor design”, Applied Intelligence, 27(2):101-111, 2007.
  • 6. Wrobel R., Mellor P. H., “Particle Swarm Optimization for the design of Brushless Permanent Magnet Machines”, IEEE Industry Applications Conference, 41st IAS Annual Meeting, 2006.
  • 7. Karaboğa D., ÖKDEM S., “A Simple and Global Optimization Algorithm for Engineering Problems: Differential EvolutionAlgorithm”, Turk J Elec Engin, 12(1), 53-60, 2004.
  • 8. Kennedy, J.; Eberhart, R. C., “Particle Swarm Optimization”, Proc. of the IEEE Int. Conference on Neural Networks, 4, 1942-1948, 1995.
  • 9. Wilke D. N., Analysis of the particle swarm optimization algorithm, Master Thesis, 2005, Mechanical and Aeronautical Engineering, University of Pretoria.
  • 10. Goldberg D.E., Genetic Algorithms in Search, Optimization and Machine Learning, 1999, Addison Wesley.
  • 11. Storn R., “Diferential Evolution, A Simple and Efficient Heuristic Strategy for Global Optimization over Continuous Spaces", Journal of Global Optimization, 11: 341-359, 1997.
  • 12. Kenneth V.P., An introduction to Differential Evolution, in New Ideas in Optimization, McGraw-Hill publishing Company, pp.79-108., 1999.
  • 13. De Jong K.A., An Analysis of the Behavior of a Class of Genetic Adaptive Systems, Phd Thesis, University of Michigan, Dissertation Abstracts International 36(10), 5140B. (University Micro_lms No. 76-9381), 1975.
  • 14. Toksarı M.D., “A heuristic approach to find the global optimum of function”, Journal of Computational and Applied Mathematics 209:160–166, 2007.
  • 15. Kwon Y.D., Kwon S.B., Kim J., “Convergence enhanced genetic algorithm with successive zooming method for solving continuous optimization problems”, Comput. Struct. 81:1715–1725, 2003.
  • 16. Hamzacebi C., Kutay F., “A heuristic approach for finding the global minimum: adaptive random search technique”, Appl. Math. Comput. 173(2): 1323–1333, 2006
APA ÖZSAĞLAM M, ÇUNKAŞ M (2008). Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. , 299 - 305.
Chicago ÖZSAĞLAM M. Yasin,ÇUNKAŞ MEHMET Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. (2008): 299 - 305.
MLA ÖZSAĞLAM M. Yasin,ÇUNKAŞ MEHMET Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. , 2008, ss.299 - 305.
AMA ÖZSAĞLAM M,ÇUNKAŞ M Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. . 2008; 299 - 305.
Vancouver ÖZSAĞLAM M,ÇUNKAŞ M Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. . 2008; 299 - 305.
IEEE ÖZSAĞLAM M,ÇUNKAŞ M "Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması." , ss.299 - 305, 2008.
ISNAD ÖZSAĞLAM, M. Yasin - ÇUNKAŞ, MEHMET. "Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması". (2008), 299-305.
APA ÖZSAĞLAM M, ÇUNKAŞ M (2008). Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. Politeknik Dergisi, 11(4), 299 - 305.
Chicago ÖZSAĞLAM M. Yasin,ÇUNKAŞ MEHMET Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. Politeknik Dergisi 11, no.4 (2008): 299 - 305.
MLA ÖZSAĞLAM M. Yasin,ÇUNKAŞ MEHMET Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. Politeknik Dergisi, vol.11, no.4, 2008, ss.299 - 305.
AMA ÖZSAĞLAM M,ÇUNKAŞ M Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. Politeknik Dergisi. 2008; 11(4): 299 - 305.
Vancouver ÖZSAĞLAM M,ÇUNKAŞ M Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması. Politeknik Dergisi. 2008; 11(4): 299 - 305.
IEEE ÖZSAĞLAM M,ÇUNKAŞ M "Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması." Politeknik Dergisi, 11, ss.299 - 305, 2008.
ISNAD ÖZSAĞLAM, M. Yasin - ÇUNKAŞ, MEHMET. "Optimizasyon problemlerinin çözümü için parçaçık sürü optimizasyonu algoritması". Politeknik Dergisi 11/4 (2008), 299-305.