Nature-inspired evolutionary algorithms and a model proposal

Bu çalışma, doğrusal/doğrusal olmayan sürekli kısıtsız/kısıtlı optimizasyon problemlerini çözmek için yeni bir popülasyon tabanlı evrimsel hesaplama modeli sunmaktadır. Önerilen model, iki optimizasyon algoritması içermektedir. Bunlardan ilki, birçok yerel optimuma sahip problemler için algoritmaların başlatılmasında rastgelelik çeşitliliğini bir dereceye kadar azaltan uyarlamalı başlangıç çözümleri sağlayan bir başlatma algoritmasıdır. Algoritmanın öne çıkan özelliği, yerel optimumlara takılmadan ve sorunun doğasını değiştirmeden arama alanını uyarlamalı olarak daraltma yeteneğidir. Basit rastgele yaklaşımlardan farklı olarak, önerilen algoritma çok modlu problemlerde global optimum noktasının yanlışlıkla ortadan kaldırılmasından kaçınabilmektedir. Başlangıç algoritması zaman ve performans açısından ek bir yük getirmek yerine, problemin çözülmesine katkı sağlamaktadır. İtici Kuvvetler optimizasyonu (REF) olarak adlandırılan ikinci algoritma, Newton'un Genel Yerçekimi Yasasına ve Coulomb Yasasına dayanmaktadır. REF algoritması, önerilen ilk algoritmadan farklı olarak, kısıtlama becerileriyle optimum benzeri çözümlere ulaşmayı amaçlamaktadır. Önerilen algoritma, sınırlı bir uzaydaki muhtemel yüklü parçacıkların olası çözüm noktaları olduğunu varsaymaktadır. Parçacıklar ve komşuları arasındaki kuvvetler, parçacığı daha iyi bir çözümün bulunabileceği yeni bir konuma hareket ettirir. Parçacıkların itici yapısı Coulomb Yasasının taklidi olarak düşünülebilir. Ayrıca, Tabu Arama Algoritması ve Elitizm seçim yaklaşımı önerilen algoritmanın hafıza kullanımına ilham vermektedir. Algoritmanın ilham kaynakları, daha iyi sonuçlar sağlayan en iyi özelliklerin bir kombinasyonunu oluşturmak için belirlenmiştir. Ayrıca, bu algoritma, amaç fonksiyonu değerinin yanısıra kısıtları sağlama oranlarını ve kısıtlamaların toplam sapmalarını da dikkate alan çarpımsal ceza yaklaşımı ilkesi üzerine yapılandırılmıştır. Bu nedenle sürekli kısıtlı problemleri çok iyi bir şekilde çözme yeteneğine sahiptir. Algoritmanın performansı, evrimsel optimizasyon araştırmacıları tarafından en sık kullanılan kısıtsız / sınırlı optimizasyon problemleri ve mühendislik tasarım problemleri ile test edilmiştir. Ek olarak, kıyaslama için ekonomik sevkiyat problemi de uygulanmıştır. Başlangıç algoritmasının, rastgele çözümlerden çok daha iyi yakınsadığı ve en uygun çözüme ulaşmayı hedefleyen algoritmalar için de başlangıç algoritması olarak kullanılabileceği sonucuna varılmıştır. Gerçek dünya problemlerinin deneysel sonuçları ise önerilen algoritmaların literatürde yayınlanan yöntemlere göre tatmin edici sonuçlar verdiğini göstermektedir.