Affiliation:
1. NECMETTİN ERBAKAN ÜNİVERSİTESİ
Abstract
Jaya, yakın zamanda sürekli optimizasyon problemlerinin çözümü için önerilen popülasyon tabanlı metasezgisel bir algoritmadır. Literatürde ikili optimizasyon problemlerinin çözümü için çeşitli Jaya varyantları geliştirilmiştir. Bunlardan biri olan JayaX-LSM algoritması CAP problemlerinin çözümünde kullanılmış ve başarılı sonuçlar üretmiştir. Ancak CAP problemlerinden daha yüksek boyutlu ve kompleks bir yapıya sahip olan M* problemleri üzerinde test ettiğimizde algoritmanın oldukça başarısız sonuçlar ürettiği görülmüştür. Bu çalışmada, ikili optimizasyon problemlerinde çözüm uzayının etkili bir şekilde aranmasını sağlayan yeni bir yerel arama modülü (ELSM) geliştirilmiştir. Bu modül ikili JayaX algoritmasına eklenerek JayaX-ELSM algoritması önerilmiştir. Önerilen JayaX-ELSM algoritmasının performansı öncelikle JayaX-LSM algoritmasıyla CAP ve M* problem setleri üzerinde karşılaştırmalı olarak analiz edilmiştir. Daha sonra, önerilen algoritma, literatürde yakın zamanda yayınlanmış toplam 11 farklı algoritmayla performans karşılaştırmasına tabi tutulmuştur. Elde edilen sonuçlar, önerilen JayaX-ELSM'nin JayaX-LSM algoritmasının CAP problemlerinde sergilediği performansı devam ettirdiğini, M* problemlerinde de JayaX-LSM'den çok daha başarılı sonuçlar ürettiğini göstermektedir. Ayrıca önerilen algoritmanın M* problemleri üzerindeki performansının, diğer algoritmalarla karşılaştırıldığında rekabetçi ve ümit verici olduğu gözlenmiştir.
Publisher
Journal of the Faculty of Engineering and Architecture of Gazi University
Subject
General Engineering,Architecture
Reference59 articles.
1. 1. Murty, K., Optimization models for decision making. 2003.
2. 2. Gould, N., An introduction to algorithms for continuous optimization. 2006, Oxford University Computing Laboratory Notes.
3. 3. Yuan, X., et al., An improved binary particle swarm optimization for unit commitment problem. Expert Systems with applications, 2009. 36(4): p. 8049-8055.
4. 4. He, Y., et al., Novel binary differential evolution algorithm based on Taper-shaped transfer functions for binary optimization problems. Swarm and Evolutionary Computation, 2021: p. 101022.
5. 5. Hakli, H., BinEHO: a new binary variant based on elephant herding optimization algorithm. Neural Computing and Applications, 2020. 32(22): p. 16971-16991.
Cited by
1 articles.
订阅此论文施引文献
订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献