Genetik algoritmaların performansını geliştirme üzerine bir çalışma

Seçim işlemi, robot uygulamaları, görüntü ve ses tanıma, yapay zekâ uygulamaları, yol bulma problemleri, çizelgeleme problemleri vb. gibi alanlarda sıklıkla kullanılan Genetik Algoritmaların (GA) en önemli adımlarından biridir. GA'larda, arama ve didikleme arasındaki uyumun ayarlanamaması ve uygun parametre ayarlarının seçilememesi, erken yakınsamaya ve lokal optimuma sıkışmaya neden olabileceğinden, çoğu seçim yönteminin temel sorunlarındandır. Bu problemlerin üstesinden gelmek için iki yaygın yöntem kullanılmaktadır: yeni bir seçim yöntemi sunmak, mevcut bir algoritmanın parametrelerini ayarlamak. Çalışmanın ilk bölümünde, GA'ların problemlerini çözmek için yeni seçim yöntemleri önerilmiştir: Saldırgan, Saldırgan Olmayan, Bütünleşik Saldırgan, Bütünleşik Saldırgan Olmayan, Yabancı, Saldırgan Olmayan Yabancı, Bipolar Eşleşme Eğilimi (BMT). Yöntemlerin çoğu Standart Turnuva (ST) seçimine dayandığından, performansları ST ve ST'ye dayanan yaygın seçim yöntemleri olan Sınırlı Turnuva, Tarafsız Turnuva, İnce Taneli Turnuva ve Kooperatif Turnuva yöntemleri ile karşılaştırılmıştır. Karşılaştırma için GA alanında iyi bilinen yirmi bir test fonksiyonu kullanılmıştır. Ayrıca, sonuçların anlamlı olduğunu göstermek için parametrik olmayan istatistiksel testler, Friedman ve Wilcoxon İşaretli Sıra, uygulanmıştır. İkinci bölümde ise, standart GA'ların en iyi performansını elde etmek için, meta arama yöntemleri (Kaba Kuvvet ve Kabadan İnceye Arama) ve meta optimizasyon algoritmaları (GA, Parçacık Sürü Optimizasyonu ve BMT) uygulanarak standart GA'ların parametre ayarları belirlenmiştir. Ayrıca, ikinci kısım, meta optimizasyon literatürü için kısa bir araştırma içermektedir.