Yeni bir optimizasyon algoritması EMEL: Hareketli ve sürekli küçülen katmanlarla arama

Bu tez çalışmasında popülasyon temelli yeni bir optimizasyon algoritması tasarlanmış ve sunulmuştur. Algoritmanın adı EMEL: Exploration of Moving and Ever-shrinking Layers olarak verilmiştir. Algoritmanın çözüm üretme yaklaşımı hareket halinde olan ve sürekli küçülen katmanlar kullanarak arama yapmaya dayanmaktadır. Bu algoritmanın katman oluşturma stratejisi keşif ve sömürü aşamaları arasında doğal bir denge sağlamaktadır. Arama uzayı üzerinde aynı merkeze sahip iç içe katmanlar oluşturulmaktadır. Merkezde o ana kadar bulunmuş en iyi global optimum çözüm yer almaktadır. Bu katmanlar merkeze yakın noktalarda dar, merkezden uzaklaştıkça genişleyen bir yapıya sahiptir. Önerilen algoritmada iyileştirilecek olan bir çözüm öncelikle oluşturulan katmanlardan birini rastgele seçmekte ve pozisyonunu seçtiği bu katman içinde rastgele bir konuma güncellenmektedir. Katman sayısı merkez etrafında fazla, merkezden uzaklaştıkça daha az olduğu için global optimum çözüme daha yakın olan katmanlardan birinin seçilmesinin ihtimali daha yüksektir. Böylece konumu güncellenen çözümlerin birçoğu global optimuma yakın bölgelerde sömürü etkinliği sürdürürken çözümlerin bir kısmı global optimuma uzak bölgelerde keşif çalışması sürdürmektedir. Arama sürecinin başında ama uzayı kadar geniş olabilen katmanlar süreç ilerledikçe daralmaktadır. Bu durum başlangıçta daha geniş alanlarda keşif yapmayı desteklemekte ve çalışma süresinin sonlarına doğru sömürü etkinliği olan yerel en iyileştirme operasyonlarını teşvik etmektedir. Önerilen algoritmanın yetkinliğini kanıtlamak için 120 test fonksiyonu üzerinde deneyler yapılmıştır. Bu fonksiyonların 60 tanesi standart optimizasyon problemleri, 29 tanesi CEC 2017 fonksiyonları, 14 tanesi CEC 2005 fonksiyonları, 13 tanesi kısıtlı optimizasyon problemi ve 4 tanesi kısıtlı mühendislik tasarım problemidir. Karşılaştırmalı bir çalışma yürütmek için aynı deneyler Grey Wolf Optimizer, Particle Swarm Optimization, Artifical Bee Colony ve Vortex Search Optimization algoritmaları ile tekrarlanmış ve elde edilen sonuçlar istatistiksel yöntemlerle karşılaştırılmıştır. Elde edilen sonuçların karşılaştırılmasında Mann Whitney U testi kullanılmış ve EMEL algoritmasının anılan rakiplerden daha başarılı sonuçlar elde ettiğini görülmüştür.