Çok amaçlı optimizasyon problemlerinin çözümü için Kurbağa Sıçrama ve Gri Kurt Optimizasyonu algoritmaları tabanlı hibrit bir yöntemin geliştirilmesi

Gerçek dünya problemlerine bakıldığında çoğunun birden fazla hedefi gerçekleştirmeye yönelik olduğu görülmektedir. Gerçekleştirilmek istenen bu hedefler kimi zaman birbiri ile uyum içinde iken kimi zaman da birbiri ile çatışma halinde olabilmektedir. Amaçların birbiri ile olan bu ilişkilerine bağlı olarak çok amaçlı problemlerin çözülme zorlukları farklı olabilmektedir. Birbiri ile uyum içinde olan amaçlara sahip bir problem tek amaçlı bir probleme dönüştürülerek çözülebilmesine rağmen amaçları çatışan bir problem için bu durum söz konusu değildir. Etrafımıza baktığımızda karşılaştığımız problemlerin birçoğunun, amaçları birbiri ile çatışan çok amaçlı problemler olduğunu görebiliriz. Bu problemlerin çözümü için kullanılan birçok klasik yöntem mevcuttur. Klasik yöntemlerin çözüm geliştirme noktasında farklı sebeplerden dolayı eksik kalması araştırmacıları farklı yaklaşımlar geliştirmeye yöneltmiştir. Genellikle doğada sürü halinde yaşayan hayvanların veya farklı yaşam alanlarına sahip bitkilerin davranışlarından esinlenilerek geliştirilen doğa esinli algoritmalar bu yaklaşımlardan bir tanesi olmuştur. Doğa esinli algoritmalar, klasik yöntemler ile kıyaslandığında farklı problemlere uyarlanabilmeleri açısından daha avantajlı bir durumdadırlar. Tez çalışması kapsamında, tek amaçlı problemlerin çözümü için geliştirilmiş olan kurbağa sıçrama (SFLA) ve gri kurt optimizasyonu (GWO) algoritmaları hibrit bir şekilde kullanılarak çok amaçlı optimizasyon problemlerine uygulanmıştır. Önerilen algoritmanın değerlendirilmesi üç aşamada farklı problem setleri üzerinde yapılmıştır. İlk aşamada özellikleri birbirinden farklı 36 kısıtsız çok amaçlı optimizasyon problemi kullanılmıştır. Önerilen algoritmanın performansı çok amaçlı optimizasyon algoritmalarından NSGA-II, IBEA, MOCell, MOEA/D, MOAAA ve MOVS algoritmalarının performansı ile kıyaslanmıştır. İkinci aşamada mühendislik tasarım problemleri ve kısıtlı problemlerden oluşan farklı özellikteki 10 adet çok amaçlı optimizasyon problemi kullanılmıştır. Önerilen algoritmanın performansı NSGA-II, IBEA, MOCell ve PAES algoritmaları ile kıyaslanmıştır. İlk iki aşamada performans karşılaştırma metriği olarak hiperküp (HV), terslenmiş nesilsel mesafe (IGD), yayılım (Spread) ve Epsilon metrikleri kullanılmıştır. Bu dört farklı metrik ile elde edilen sonuçlar Friedman ve Wilcoxon istatistiksel testleri ile analiz edilmiştir. Ayrıca algoritmalar tarafından elde edilen sonuçların görsel olarak sunulması için grafiksel çizimler ve kutu grafiği kullanılmıştır. Üçüncü ve son aşamada ise önerilen algoritma, görüntü işleme çalışmalarında sıklıkla kullanılan 10 adet gri seviye görüntünün segmentasyonunda test edilmiştir. Üçüncü aşamada önerilen algoritmanın, SFLA ve GWO algoritmaları ile performans karşılaştırması yapılmıştır. Bu bölümde tek amaçlı bir problem olan eşikleme, önerilen algoritma kullanılarak çok amaçlı bir problem olarak ele alınmıştır. Görüntü segmentasyonu yapılan bu aşamada performans metriği olarak tepe sinyali gürültü oranı (PSNR) kullanılmıştır. Elde edilen deneysel sonuçlar Friedman ve Wilcoxon istatistik testleri ile analiz edilmiştir. Ayrıca elde edilen sonuç görüntüleri görsel olarak sunulmuştur. Üç aşamada elde edilen deneysel sonuçlara bakıldığında önerilen algoritmanın genel olarak karşılaştırma yapılan algoritmalardan daha başarılı olduğu görülmektedir.