Elektrik balığı optimizasyonu: elektrolokasyon tabanlı yeni bir sezgisel algoritma

Doğada gözlemlenen sürü davranışları, birçok sezgisel optimizasyon algoritmasının ortaya çıkmasına neden olmuştur. Yüksek boyutlu veriyi, türevlenemez fonksiyonları desteklemesi ve benzeri karakteristikleri ile bu algoritmalar özellikle karmaşık problemlerin çözümü için oldukça dikkat çekmektedirler. Bu tez çalışmasında elektrikli balıkların iletişiminden ve av yerlerini bulma davranışlarından ilham alan yeni bir sezgisel algoritma önerilmiştir. Geceleri oldukça hareketli yaşayan elektrik balıkları çok zayıf görme yeteneğine sahiptir ve görsel duyuların çok sınırlı olduğu çamurlu, bulanık suda yaşamaktadırlar. Bu nedenle, çevrelerini algılamak için elektrolokasyon adı verilen türlerine özgü yeteneklerine güvenmektedirler. Bu türdeki balıkların sergilediği aktif ve pasif elektrolokasyon yeteneğinin, yerel ve küresel aramanın dengelenmesi için iyi bir davranış olduğuna inanılmaktadır ve balıkların bu yeteneği bu çalışmada modellenmiştir. Bu tez çalışmasında, Elektrik Balığı Optimizasyonu (EFO) adı verilen, tek-amaçlı optimizasyon problemlerini çözmek için yeni bir sezgisel yöntem tanıtılmış ve literatürdeki iyi bilinen altı sezgisel algoritma (Benzetilmiş Tavlama, Girdap Arama, Genetik Algoritma, Diferansiyel Evrim, Parçacık Sürüsü Optimizasyonu, ve Yapay Arı Kolonisi) ve mevcut birçok yöntem ile karşılaştırılmıştır. Kıyaslama kümesi olarak, parametre uzayı sınırlandırılmış 50 temel ve 30 karmaşık matematiksel fonksiyon, parametre uzayı sınırlandırılmamış 13 adet kümeleme ve sınıflandırma problemi, parametre uzayı ve tasarımı sınırlandırılmış 5 adet gerçek dünya problemini içeren bir küme deneylerde kullanılmıştır. Deney sonuçları, EFO'nun rakiplerine göre daha iyi ya da oldukça rekabetçi bir algoritma olduğunu göstermiştir. Çok-amaçlı problemleri de ele almak amacıyla önerilen tek-amaçlı EFO algoritması bu çalışmada genişletilmiştir. Tek-amaçlı EFO algoritmasındaki arama davranışı genel olarak korunurken, algoritmaya bazı modifikasyonlar yapılarak algoritma çok-amaçlı problemlerin çözümü için uyarlanmıştır. Üç farklı çok amaçlı optimizasyon algoritması önerilmiştir: Pareto-baskın Tabanlı EFO (PD-EFO), Bastırılamayan-sıralı Tabanlı EFO (NS-EFO) ve Hucresel Tabanlı EFO (CB-EFO). Bu algorithmalar, literatürde sıklıkla kullanılan 30 adet çok-amaçlı optimizasyon problemi üzerinde test edilmiştir. Elde edilen optimizasyon performansları bazı yakınsama metriklerine göre değerlendirilmiştir. Bu metriklerden elde edilen bulgular; CB-EFO algoritmasının diğerlerine göre en iyi başarımı sergilediğini, bu başarıma en çok NS-EFO algoritmasının yaklaştığını göstermiştir. CB-EFO algoritması yine aynı problem kümesi üzerinde literatürde iyi bilinen çok-amaçlı optimizasyon algoritmaları ile karşılaştırılmış ve deneysel bulgular, CB-EFO'nun rakip yöntemlere göre çok daha iyi bir performans sergilediğini göstermiştir. Sonuç olarak, bu tez çalışmasında, hem tek-amaçlı hem de çok-amaçlı optimizasyon problemleri etkin bir şekilde çözen yeni bir sürü tabanlı optimizasyon algorithması literatüre katılmıştır.