0-1 problem uzayları için kuantum tabanlı yerel arama ile güçlendirilmiş parçacık sürüsü optimizasyonu
Parçacık Sürü Optimizasyonu (PSO), problem çözmede balık veya kuş sürülerinin hareketlerini taklit eden, oldukça bilinen sürü zekâsı tabanlı bir algoritmadır. İlk olarak kısıtsız global optimizasyon problemlerini çözmek için önerilse de, çeşitli problem tiplerini içeren çok sayıda PSO çalışması mevc...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Pamukkale University
2018-08-01
|
| Series: | Pamukkale University Journal of Engineering Sciences |
| Subjects: | |
| Online Access: | https://dergipark.org.tr/tr/pub/pajes/issue/38891/454091 |
| Summary: | Parçacık
Sürü Optimizasyonu (PSO), problem çözmede balık veya kuş sürülerinin
hareketlerini taklit eden, oldukça bilinen sürü zekâsı tabanlı bir
algoritmadır. İlk olarak kısıtsız global optimizasyon problemlerini çözmek için
önerilse de, çeşitli problem tiplerini içeren çok sayıda PSO çalışması
mevcuttur. Fakat bununla birlikte, ilgili bilimsel yazından görülebileceği
gibi, diğer uygulama türleriyle karşılaştırıldığında, kesikli ve 0-1 yapıdaki
PSO uygulamaları görece daha az sayıdadır. Bu bağlamda, mevcut araştırmada,
kuantum tabanlı yerel arama yordamı ile güçlendirilmiş bir 0-1 PSO
modifikasyonu getirilmiştir. Bahsedilen kuantum tabanlı prosedür, algoritma
tarafından bulunan eniyi çözüm etrafında üretilen bir küre içinde konumlanan ve
kuantum parçacıkları olarak adlandırılan rastgele dağıtılmış parçacıklar
üretir. Ardından bu parçacıklar, bulunan eniyi çözüm üzerinde olası
iyileştirmeler sağlayabilmek için yerel arama amacıyla kullanılır. Önerilen
yaklaşımın performansı, bu alanda sıkça kullanılan Bir-Enb, Aldatıcı, Plato ve
Kral Yolu fonksiyonlarından oluşan bir 0-1 problem seti kullanılarak test
edilmiştir. Deneysel çalışma, önerilen yaklaşımın 0-1 problemlerdeki
etkinliğini göstermektedir. |
|---|---|
| ISSN: | 1300-7009 2147-5881 |