Lojistik-Singer Harita Tabanlı Yeni Bir Kaotik Sürü Optimizasyon Yöntemi
Künye
Demir, F. B., Tuncer, T., & Kocamaz, A. F. (2019, September). Lojistik-Singer Harita Tabanlı Yeni Bir Kaotik Sürü Optimizasyon Yöntemi. In 2019 International Artificial Intelligence and Data Processing Symposium (IDAP) (pp. 1-5). IEEE.Özet
Günlük yaşamda pek çok problem, sonsuz çözüm
uzayına sahip olduğu için klasik matematiksel yöntemler
kullanılarak çözülememektedir. Bu nedenle, benzer problemlerin
çözümünde, sonsuz çözüm uzayını küçülten ve matematiksel
tahmin prensibine dayanan meta-sezgisel optimizasyon
yöntemlerinin kullanılması önerilmektedir. Meta-sezgisel
optimizasyon yöntemlerinin başarımını artırmak amacıyla sayı
üreteci ve parametre belirleyici olarak kaotik haritalar
kullanılmaktadır. Bu makalede yeni bir kaotik optimizasyon
yöntemi geliştirilmiş ve önerilen optimizasyon yönteminde
lojistik ve singer harita kullanılmıştır. Önerilen yöntemin
performansını test etmek amacıyla literatürde sıkça kullanılan 6
farklı kıyaslama fonksiyonu ve 3 farklı sürü tabanlı optimizasyon
yöntemi kullanılmıştır. Önerilen yöntem bütün fonksiyonlar için
daha optimum sonuçlar üretmiştir. Ve bu sayede sürü
optimizasyon yöntemlerinin lokal çözümlere takılması önlenmeye
çalışılmıştır. Many problems in daily life cannot be solved by using classical mathematical methods for having an infinite solution space. Therefore, it is recommended to use meta-heuristic optimization methods that reduce the infinite solution space and based on the mathematical prediction principle in solving similar problems. In order to increase the performance of meta-heuristic optimization methods, number generator and chaotic maps are used. In this article, a new method of chaotic optimization has been developed and logistic and singer maps are used in the proposed optimization method. In order to test the performance of the proposed method, 6 different benchmarking functions and 3 different swarm-based optimization methods were used. The proposed method has produced more optimum results for all functions. In this way, it has been tried to prevent the integration of swarm optimization methods into local solutions.