Sosyal örümcek algoritmasının sürekli ve ayrık optimizasyon problemlerinde performans iyileştirmeleri

Doğa olguları temelli evrimsel hesaplama iki önemli gruba ayrılabilir. Bunlar evrimsel algoritmalar ve akıllı sürü temelli algoritmalardır. Evrimsel algoritmalar doğadan ilham alınarak üretilmiş algoritmalardır. Evrimsel algoritmalar optimizasyon problemlerinde ve gerçek dünya problemlerinde başarılı sonuçlar elde edebilmektedir. Bu tip algoritmalara genetik algoritma (GA), genetik programlama (GP), evrimsel stratejiler (ES) ve diferansiyel evrim (DE) örnek verilebilir. Akıllı sürü temelli algoritmalar ise son yıllarda oldukça ilgi çekmektedir. Bu tip algoritmalara Parçacık Sürü Optimizasyon algoritması (PSO), Yapay Arı Kolonisi algoritması (ABC), Karınca Kolonisi Optimizasyon algoritması (ACO) ve Yarasa Algoritması (BA) örnek verilebilir. Sürü terimi birbirleri ile iletişim halinde olan bireylerden oluşan topluluğu ifade etmektedir. Akıllı sürü temelli algoritmalar doğada var olan kuş, karınca, arı, bakteri, kelebek, örümcek v.b. gibi canlıların davranışlarını taklit ederler. Akıllı sürü temelli algoritmalar sürekli, ayrık ve ikili optimizasyon problemleri gibi pek çok farklı tip problemleri başarılı bir şekilde çözebilmektedirler. Çözülmesi çok zor olan NP-hard türü problem tiplerini çözmekte yüksek başarı göstermektedirler. Sosyal Örümcek Algoritması (SSA), son yıllarda yeni geliştirilmiş sürü temelli bir algoritmadır. Doğada birlikte yaşayan örümcek türlerinin taklit edilmesi ile oluşturulmuştur. Bu tez kapsamında SSA'nın sürekli, ayrık ve ikili optimizasyon problemleri üzerindeki başarısı incelenmiş ve başarısını arttırmak için yeni yöntemler eklenerek SSA geliştirilmiştir. SSA nın ilk önerildiği orijinal algoritması küçük boyutlu (10, 20 ve 30) sürekli optimizasyon problemlerinde test edilmiştir. Bu tezde SSA'nın orijinal haline Örümcek patlaması ve kaşif örümcek belleği özellikleri eklenerek geliştirilmiştir ve Sosyal Örümcek Algoritması (ISSA) önerilmiştir. SSA'nın eklenen tekniklerle yerel ve global arama yeteneği artmıştır. ISSA'nın düşük, orta ve yüksek boyutlu (10, 20, 30, 100, 500 ve 1000) sürekli optimizasyon problemlerinde başarısı test edilmiştir. Sürekli optimizasyon görevleri için gerçekleştirilen farklı ikinci bir çalışmada orijinal SSA'ya çaprazlama, mutasyon, Gbest yakınsaması ve sessiz örümcek şeklinde dört özellik eklenerek MPEF üzerinde ISSA'nın başarısı incelenmiştir. MPEF, ölçeklenebilir, basitleştirilmiş Moleküler Potansiyel Enerji Fonksiyonudur. Üçüncü çalışmada sürekli optimizasyon problemleri odaklı önerilen SSA, birbirinden bağımsız ayrık değerler alan problem türleri olarak bilinen ayrık optimizasyon problemlerini çözebilmesi için ayrık bir şekle getirilmiş ve Ayrık Sosyal Örümcek Algoritması (DSSA) önerilmiştir. DSSA ile literatürde sıklıkla tercih edilen bir ayrık optimizasyon problemi olan Gezgin Satıcı Problemi (TSP) çözülmüştür. DSSA da, yetenekli örümcek ve acemi örümcek özellikleri eklenerek keşif ve sömürü yeteneği geliştirilmiştir. Tez kapsamında ayrık optimizasyonun bir alt grubu olan ikili optimizasyon problemleri de çözülmüştür. Bu çalışmada önerilen İkili Sosyal Örümcek Algoritması (BinSSA) ile dört farklı ikili optimizasyon problemi (özellik seçme problemi, kapasitesiz tesis yerleşim problemi, rüzgar türbinleri yerleşim problemi ve sürekli optimizasyon problemleri) çözülmüştür. Bu çalışmada, sürekli arama uzayı ikili arama uzayına çevrilirken S-şekilli, V-şekilli ve mod tabanlı transfer fonksiyonları kullanılmıştır. İkili optimizasyonda transfer fonksiyonlarının başarısını desteklemek için son yıllarda sıklıkla kullanılan lojik kapılar (xor lojik kapısı), benzerlik ölçme teknikleri (Jaccard ve Dice) ve çaprazlama operatörü yeni aday çözümler elde etmek için tercih edilmiştir. Bu yöntemler sayesinde BinSSA ikili arama uzayında yeni noktalar keşfedebilmekte veya yerel noktalar etrafında yeni noktalar bulabilmektedir. Böylece BinSSA'nın başarısı geliştirilmiştir.