KARŞIT VE YARI-KARŞIT TABANLI ÖĞRENME İLE AKCİĞER PERFORMANSINA DAYALI OPTİMİZASYON

Authors : Serdar Özyön

Pages : 375-392

Doi:10.17482/uumfd.1643808

View : 78 | Download : 56

Publication Date : 2025-08-20

Article Type : Research Paper

Abstract :Optimizasyon algoritmalarının sonraki süreçlerde geliştirilmesi ve iyileştirilmesi konusu birçok bilim dalında geniş bir çalışma alanını oluşturmaktadır. Bu algoritmaların ilk tasarımında ele alınamayan ya da değerlendirilemeyen birçok geliştirme metodu daha sonra algoritmalar ile birlikte kullanılarak yeni algoritmalar geliştirilmekte ve daha iyi yakınsama eğrileri ve süreleri elde edilebilmektedir. Bu çalışmada algoritma geliştirme metotlarından biri olan karşıt ve yarı-karşıt tabanlı öğrenme kavramı ele alınmıştır. Bu kavram, rastgele oluşturulan çözümler yerine, onların karşıt konumlarındaki bireyleri dikkate alarak daha hızlı ve kararlı sonuçlara ulaşmayı amaçlamaktadır. Karşıt tabanlı öğrenme kavramının temelinde algoritmanın ilk popülasyonunun yarısı rastgele oluşturulurken diğer yarısının ise karşıt konumlara yerleştirilmesi yatar. Bu işlem yarı-karşıt tabanlı öğrenmede ise rastgele birey ve bu bireyin karşıt konumu arasındaki bir bölgede başka bir birey oluşturularak, bu bireylerin uygunlukları karşılaştırılıp uygunluğu iyi olan bireyin popülasyona katılması şeklinde uygulanır. Bu iyileştirme yapılarının son yıllarda ortaya atılan akciğer performansına dayalı optimizasyon algoritması ile birlikte kullanılmasıyla, klasik algoritma üzerindeki etkileri kıyaslama fonksiyonları üzerinden tartışılmıştır. Önerilen OLPO (Opposite-based LPO) ve QOLPO (Quasi-opposite-based LPO) algoritmalarının performansı, 12 adet CEC 2022 kıyaslama fonksiyonu üzerinde 30 tekrar (run) ve 20 boyut (dimension) kullanılarak değerlendirilmiştir.
Keywords : Optimizasyon, Meta-sezgisel algoritmalar, Akciğer performansına dayalı optimizasyon, Karşıt ve yarı-karşıt-tabanlı öğrenme

ORIGINAL ARTICLE URL