Çadır Haritası Tabanlı Kaotik Optimizasyon Yöntemi

Gerçek hayatta bazı problemler matematiksel yöntemler kullanılarak çözülememektedir Bu problemleri çözmek için genellikle meta sezgisel optimizasyon yöntemleri kullanılmaktadır. Meta-sezgisel optimizasyon yöntemlerinin başarımlarını arttırmak için kullanılan çözümlerden biriside kaotik haritaların kullanılmasıdır. Kaos doğrusal olmayan yöntemlerin fenomeni olarak literatürdeki yerini almaktadır. Bu makalede sıklıkla kullanılan kaotik haritalardan biri olan çadır (tent) harita kullanılarak yeni bir kaotik optimizasyon yöntemi önerilmiştir. Önerilen yöntem parçacık tabanlı bir yöntemdir ve bu yöntem rastgele parçacık oluşturma, en iyi değeri hesaplama, parçacık güncelleme ve en iyi değeri güncelleme aşamalarından oluşmaktadır. Çadır harita parçacık güncelleme aşamasında kullanılmaktadır. Önerilen yöntemim performansını test etmek için literatürde sıklıkla kullanılan 12 adet sayısal karşılaştırma fonksiyonu kullanılmıştır ve elde edilen sonuçlar literatürde daha önce önerilmiş ve yaygın olarak kullanılan optimizasyon yöntemleriyle karşılaştırılmıştır. Deneysel sonuçlar ve karşılaştırmalar, önerilen yöntemin başarılı bir optimizasyon yöntemi olduğunu göstermektedir.

Anahtar Kelimeler:

Kaotik optimizasyon, Çadır harita, Sayısal fonksiyonlar, Sürü optimizasyonu

PDF

___

[1] Mirjalili S., Lewis A. (2016), The Whale Optimization Algorithm, Advances in Engineering Software,95:51,67.[2] Tanyıldızı E., Cigal T., Whale Optimization Algorithms With Chaotic Mapping, Science and Eng. J of Fırat Univ. 29(1), 309-319.[3] Zang W., Ren L., A cloud model based DNA genetic algorithm for numerical optimization problems, Future Generation Computer Systems 81 (2018) 465–477.[4] Ebenhart R., Kennedy, Particle swarm optimization, in: Proceeding IEEE Inter Conference on Neural Networks, 4, Perth, Australia, Piscat-away, 1995, pp. 1942–1948.[5] Beheshti, Z., Shamsuddin S.M., Non-parametric particle swarm optimization for global optimization, Applied Soft Computing 28 (2015) 345–359.[6] Mirjalili, S., SCA: A Sine Cosine Algorithm for solving optimization problems, Knowledge-Based Systems 96 (2016) 120–133.[7] Demir G., Tanyıldızı, E., The Use of Sine Cosine Algorithm (SCA) in Solution of Optimization Problems, Science and Eng. J of Fırat Univ. 29(1), 227-238.[8] Chen K., Zhou F., Liu A., Chaotic dynamic weight particle swarm optimization for numerical function optimization.[9] Zhou Y., Wu J., Ji L., Yu Z., Lin K., Hao L., Transient stability preventive control of power systems using chaotic particle swarm optimization combined with two-stage support vector machine, Electric Power Systems Research 155 (2018) 111–120.[10] Mitic M., Vukovic N., Petrovic M., Miljkovic, Z., Chaotic fruit fly optimization algorithm, Knowledge-Based Systems 89 (2015) 446–458.[11] Naanaa A., Fast chaotic optimization algorithm based on spatiotemporal maps for global optimization, Applied Mathematics and Computation 269 (2015) 402–411.[12] Martinez-Nonthe J.A., Castaneda-Solis A., Diaz-Mendez A., Cruz-Irrisson M., Vazquez-Medina R., Chaotic block cryptosystem using high precision approaches to tent map, Microelectronic Engineering 90 (2012) 168–172.[13] Zhou Y., Bao L., Chen C.L.P., A new 1D chaotic system for image encryption, Signal Processing 97 (2014) 172–182.[14] Hamaizia T., Lozi R., Hamri N., Fast chaotic optimization algorithm based on locally averaged strategy and multifold chaotic attractor, Applied Mathematics and Computation 219 (2012) 188–196.[15] Yao X., Liu Y., Lin G., Evolutionary programming made faster, IEEE Trans. Evol. Comput. 3 (2) (1999) 82–102.[16] Wang G.G., Guo L., Gandomi A.H., et al., Chaotic krill herd algorithm, Inf. Sci. 274 (2014) 17–34.[17] Saremi S., Mirjalili S., Lewis A., Biogeography-based optimization with chaos, Neural Comput. Appl. 25 (5) (2014) 1077–1097.[18] Ju F.Y., Hong W.C., Application of seasonal SVR with chaotic gravitational search algorithm in electricity forecasting, Appl. Math. Model. 37 (23) (2013) 9643–9651.