Enerji verimliliği analizinde iyileştirilmiş yabani at eniyileyici – çok katmanlı almaç hibrit (IWHO-MLP) modelinin kullanımı

Bu çalışma, Yabanî At Optimize Edici'nin optimizasyon süreçlerindeki başarısını artırmak amacıyla, yerel uzaylarda takılma ve erken yakınsama sorunlarının üstesinden gelebilecek stratejiler geliştirmeyi hedeflemektedir. Performans değişimi, çok katmanlı algılayıcı örneği aracılığıyla gözlemlenmektedir. Bu bağlamda, Rastgele Yürüyüş Stratejisi kullanarak yerel uzaylarda çözüm çeşitliliği sağlamak amacıyla Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması geliştirilmiştir. Bu algoritmanın performans ölçümü için iki zorlu test seti olan CEC 2019 seçilmiştir. Alternatif algoritmalarla rekabet gücü ölçülmüş ve performansının üstün olduğu gösterilmiştir. Bu üstünlük, yakınsama eğrileri ve kutu grafikleri ile görsel olarak ortaya konmuştur. Önerilen algoritmanın, farklı ve güçlü bir algoritma olarak değerlendirilebilmesi için Wilcoxon işaretli sıra testi kullanılmıştır . Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması, gerçek dünya problemini ele alarak Çok Katmanlı Almaç eğitimine uygulanmıştır. Hem Yabanî At Optimize Edici hem de Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici algoritmaları Hataların Karesinin Ortalaması sonuçları ve Alıcı Operatör Karakteristiği eğrileri kullanılarak test edilmiştir. Çok katmanlı almaç eğitimi için University of California Irvine'dan Enerji Verimliliği Problemi veri seti kullanılmıştır. Bu veri seti, akıllı binaların giriş özelliklerini dikkate alarak ısıtma yükü veya soğutma yükü faktörlerini değerlendirmektedir. Amaç, akıllı binalarda ısıtma, havalandırma ve klima sistemleri teknolojisinin kullanımı yoluyla ısıtma yükü ve soğutma yükü faktörlerinin en verimli şekilde değerlendirilmesini sağlamaktır. Çok katmanlı almaç mimarisini eğitmek için Yabanî At Optimize Edici ve Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici seçilmiş ve önerilen Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması'nın daha iyi sonuçlar ürettiği gözlemlenmiştir.