Evrimsel algoritmalar için yeni bir meta-iyileştirici: bipolar eşleşme eğilimi

Evrimsel Algoritmalar üzerine yapılan son araştırmalar, bu algoritmaların performansının, genellikle, uygun parametre yapılandırmalarının seçilmesine bağlı olduğunu göstermektedir. Araştırmacılar, ya literatürdeki benzer araştırma alanlarına bakarak ya da Izgara Arama’da insert ignore into journalissuearticles values(Grid Search); olduğu gibi uygun parametreleri tek tek deneyerek bu parametre yapılandırmalarını bulmaya çalışmışlardır. Ancak, parametrenin tek tek aranması zahmetli ve zaman alıcıdır; bu nedenle, meta-optimizasyon teknikleri, bir algoritmanın parametrelerini ayarlamak için yaygın olarak kullanılan yöntemler haline gelmiştir. Meta-optimizasyon teknikleri, yaygın olan iki biçimde sınıflandırılabilirler: çevrimdışı insert ignore into journalissuearticles values(algoritma başlamadan önce bir algoritmanın parametrelerini ayarlamak); ve çevrimiçi insert ignore into journalissuearticles values(çalışma sırasında parametreleri ayarlamak);. Bu makalede, bir Genetik Algoritmanın insert ignore into journalissuearticles values(GA); seçim yöntemi olarak, Bipolar Eşleşme Eğilimi insert ignore into journalissuearticles values(BMT); algoritması seçilmiştir. Oluşan yeni algoritma, GA-BMT olarak adlandırılmış ve çevrimiçi meta-iyileştirici olarak ilk kez kullanılmıştır. Ayrıca makale, 17 test fonksiyonu için Standart GA’nın insert ignore into journalissuearticles values(SGA); en iyi parametre ayarlarının bulunmasında, iki arama algoritması insert ignore into journalissuearticles values(Izgara Arama, Kabadan İnceye Arama); ve üç meta-optimizasyon yöntemini insert ignore into journalissuearticles values(SGA, Parçacık Sürü Optimizasyonu, GA-BMT); kullanmakta ve sonuçlarını karşılaştıran bir çalışma sunmaktadır. Bununla birlikte, elde edilen sonuçları anlamlandırmak için istatistiksel testler, Friedman ve Wilcoxon İşaretli Sıralar, kullanılmıştır. Elde edilen tüm sonuçlar incelendiğinde, GA-BMT’nin makul bir başarı sunduğu aşikârdır.