Yazar "Hossain, Md Al Amin" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Öğe
    Integration strategies of levy flight technique into metaheuristic algorithms: A study on Siberian tiger optimization algorithm
    (Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Hossain, Md Al Amin; Sağ, Tahir
    Levy Uçuşu (LF), Levy dağılımı tarafından yönetilen rastgele bir yörüngedir. Bu yörüngenin büyük sıçramaları, optimizasyon teknikleri kullanılarak her olası çözümün aranmasını kolaylaştırır. Bu tez, LF tekniğinin meta-sezgisel algoritmalara entegrasyon stratejilerini araştırmış ve bu tekniklerin optimizasyon algoritmalarının performansı üzerindeki etkisini değerlendirmiştir. Çalışmanın hedefleri, üstün LF entegrasyon yaklaşımlarını keşfetmeye katkıda bulunmak ve mevcut meta-sezgisel algoritmaları geliştirmektir. Sibirya Kaplanı Optimizasyonu (STO) algoritması, Sibirya kaplanlarının avlanma davranışından esinlenmiş, küresel optimizasyon görevleri için başarılı bir meta-sezgisel algoritmadır. STO, birçok optimizasyon probleminde etkinliğini kanıtlamış olsa da, genellikle optimizasyon algoritmalarını etkileyen bazı sorunları ele almakta yetersiz kalabilir. Özellikle, çok boyutlu problemlerle arama alanının yetersiz keşfi yerel optimumlarda sıkışmaya neden olabilir ve bu da alt-optimal çözümlere erken yakınsamaya yol açar. Bu zorluklar, algoritmanın küresel optimumu bulma konusundaki güvenilirliğini ve verimliliğini azaltır. Tez, LF yönteminin küresel keşif yetenekleriyle tanınan özelliklerini, STO algoritmasına rastgele bir yerel arama süreciyle birleştirerek entegrasyonunu önermektedir. Bu tez, Levy Flight tabanlı Sibirya Kaplanı Optimizasyonu (LFSTO) dahil olmak üzere dört LF ile entegre edilmiş hibrit yaklaşımı araştırdı ve bunları entegrasyon stratejilerine göre kategorize etti. İlk yöntem, doğrudan entegrasyon tekniklerine odaklanan LFSTO-direct stratejisidir. Diğer yandan, ikinci ve üçüncü stratejiler sırasıyla LFSTO-randprob ve LFSTO-trial olarak adlandırılmış olup, rastgele değer ve deneme sayısı koşullarına odaklanmaktadır. Dördüncü yöntem olan LFSTO-trap, tuzaklama mekanizmalarına yönelik stratejilere odaklanmaktadır. Dört LFSTO stratejisinin etkinliğini değerlendirmek için, iyi bilinen CEC-2017 test fonksiyonunda kapsamlı deneyler yapıldı ve LFSTO stratejilerinin yakınsama hızı ile çözüm kalitesi analiz edildi. Sonuçlar, LFSTO-randprob stratejisinin 10, 30 ve 50 boyutlu durumlarda standart STO ve diğer üç entegrasyon stratejisinden daha iyi performans gösterdiğini ve sırasıyla ortalama sıralama değerlerinin 2.03, 2.17 ve 2.44 olduğunu göstermektedir. Bununla birlikte, geleneksel STO, ortalama sıralama değerleri sırasıyla 4.68, 4.72 ve 4.00 olan diğer dört LF tabanlı strateji arasında en kötü performansı sergilemiştir. Ayrıca, kapsamlı istatistiksel değerlendirme sonuçların tutarlılığını garanti etmiştir.