Improved Runge Kutta Optimizer with Fitness Distance Balance-Based Guiding Mechanism for Global Optimization of High-Dimensional Problems

Authors : Enes CENGİZ, Cemal YILMAZ, Hamdi KAHRAMAN, Çağrı SUİÇMEZ

Pages : 135-149

Doi:10.29130/dubited.1014947

View : 21 | Download : 16

Publication Date : 2021-12-31

Article Type : Research Paper

Abstract :Runge Kutta (RUN), güncel ve sağlam temellere sahip bir metasezgisel algoritmadır. RUN algoritması, metaforların tuzaklarının ötesine geçerek problemlerin çözümünde küresel en iyiyi bulmayı amaçlar. Bu amaçla, yerel optimum çözümlerden kaçınmak ve yakınsama hızını artırmak için geliştirilmiş çözüm kalitesi mekanizması kullanılmaktadır. RUN algoritması umut verici çözümler sunsa da bu algoritmanın özellikle yüksek boyutlu multimodal problemlerin çözümünde eksiklikleri olduğu görülmektedir. Bu çalışmada, Uygunluk-Mesafe Dengesi (FDB) yöntemi kullanılarak RUN algoritmasında arama sürecine rehberlik eden çözüm adayları geliştirilmiştir. Böylece FDB tabanlı RUN algoritması kullanılarak gelecekte birçok optimizasyon probleminin global optimum değeri elde edilecektir. Geliştirilen FDB-RUN algoritmasının performansını test etmek için güncel benchmark sorunları olan CEC 2020 kullanılmıştır. CEC 2020'den alınan 10 farklı kısıtsız kıyaslama problemi 30/50/100 boyutlarında düzenlenerek tasarlanmıştır. Deneysel çalışmalar tasarlanan kıyaslama problemleri kullanılarak gerçekleştirilmiş ve Friedman ve Wilcoxon istatistiksel test yöntemleri ile analiz edilmiştir. Analiz sonuçlarına göre FDB-RUN varyasyonlarının tüm deneysel çalışmalarda temel algoritmaya (RUN) göre daha üstün bir performans gösterdiği görülmüştür. Özellikle yüksek boyutlu problemlerin sürekli optimizasyonu için daha etkili sonuçlar sağladığı gösterilmiştir.
Keywords : Meta sezgisel arama, Runge Kutta algoritması, uygunluk mesafe dengesi FDB, kıyaslama problemleri