Çok amaçlı optimizasyon algoritmalarının tasarımı için kümeleme esaslı yeni bir arşiv indirgeme yönteminin geliştirilmesi ve uygulanması

Amaç fonksiyonları çatışma halinde olan çok amaçlı optimizasyon problemlerinin çözümlenmesinde başlıca zorluk küresel en iyi çözüm setinin kararlı ve etkili bir şekilde bulunmasıdır. Literatürdeki çalışmalar kalabalık mesafesi yönteminin arama uzayındaki çeşitliliği sağlamada yetersiz kaldığını rapor etmektedir. Bu tez çalışmasında Pareto-tabanlı çok amaçlı evrimsel arama algoritmalarının çok tipli çok amaçlı optimizasyon problemleri üzerindeki arama performansının iyileştirilmesi için yeni bir arşiv indirgeme yöntemi önerilmektedir. Önerilen yöntemde arşiv indirgeme işlemi dinamik anahtarlamalı referans uzaylar esaslı kümeleme algoritması tarafından yerine getirilmektedir. Bu süreçte, kümeleme mekanizmasının görevi arşivdeki vektörlerin sayısında aşım olduğunda, vektörleri benzerliklerine göre gruplandırmak ve her kümeden sadece bir vektör seçerek arşivi güncellemektir. Kümeleme işleminin gerçekleştirilmesinde referans alınan uzay vektörünün dinamik bir şekilde belirlenmesi sayesinde karar ve amaç uzaylarında çeşitlilik sağlanabilmektedir. Test çalışmalarından elde edilen sonuçlara göre, tasarlanan algoritma hem baz algoritmadan, hem iyileştirilmiş versiyonundan hem de güçlü rakiplerinden daha iyi performans metrik değerlerine sahiptir.