Büyük ölçekli sürekli optimizasyon problemleri için yarasa algoritması tabanlı hibrit yöntemlerin geliştirilmesi

Yarasa Algoritması (BA), 2010 yılında önerilmiş doğa esinli bir metasezgisel algoritmadır. Yarasa algoritması, diğer metasezgisel algoritmalarda olduğu gibi boyut artışına bağlı performans düşüşleri yaşayan bir algoritmadır. Bu tez çalışmasında, BA'nın yapısal problemlerini azaltmak ve büyük ölçekli problemler üzerindeki performansını artırmak amacıyla iki hibrit algoritma önerilmiştir. İlk hibrit algoritma (MBADE), BA'nın lokal arama becerisine katkı sağlamak amacıyla, BA ve Diferansiyel Evrim (DE) algoritmalarının birlikte kullanılmasıyla oluşturulmuştur. Bu algoritmada, performansa dayalı bir olasılık değerine göre, her iterasyonda bireye uygulanacak olan algoritmaya karar verilir. İkinci hibrit algoritma (BA_ABC), BA'nın global arama becerisini artırmak amacıyla, BA ve Yapay Arı Kolonisi (ABC) algoritmalarının birlikte kullanılmasıyla geliştirilmiştir. Bu hibrit algoritmada, popülasyon iki alt popülasyona ayrılır ve BA ve ABC algoritmaları farklı alt popülasyonlar üzerinde çalışır. Belirli koşullar sağlandığında, alt popülasyonlar arasında bilgi değişimi yapılır. Önerilen hibrit algoritmalar, CEC2005 küçük ölçekli kıyaslama fonksiyonları, CEC2010 büyük ölçekli kıyaslama fonksiyonları ve CEC2011 gerçek dünya problemlerinden seçilen büyük ölçekli problemler üzerinde test edilmiştir. Elde edilen sonuçlar, literatürden seçilen hem BA versiyonlarının hem de diğer metasezgisel algoritmaların sonuçları ile karşılaştırılmıştır. Ayrıca, sonuçlar istatistiksel testler yardımıyla yorumlanmış ve algoritmalar arasında anlamlı bir fark olup olmadığı incelenmiştir. Önerilen hibrit algoritmalar, test edilen kıyaslama fonksiyonlarının çoğunda standart BA algoritmasından daha iyi sonuçlar üretmiştir. MBADE algoritması küçük ölçekli kıyaslama fonksiyonlarında daha başarılı iken, BA_ABC algoritması büyük ölçekli kıyaslama fonksiyonlarda daha başarılı olmuştur. Literatürden seçilen BA versiyonları ve diğer algoritmalarla yapılan karşılaştırmalar, önerilen hibrit algoritmaların başarılı, rekabetçi ve kabul edilebilir sonuçlar ürettiğini göstermiştir.