Veri bilimi ve mühendislik optimizasyon problemlerinin çözümü için yeni bir yaklaşım: Kaotik yapay alg algoritması

Optimizasyon, bir problemin çözüm uzayındaki en uygun çözümü bulma, verilen kısıtlar altında eniyileme işlemidir. Günümüz dünyasında minimum maliyet ile maksimum verimliliğinin hedeflendiği birçok alanda yaygın olarak kullanılmaktadır. Son yıllarda, gerçek dünya problemlerinin giderek artan karmaşıklığı ve zorluğu, daha güvenilir optimizasyon tekniklerine, özellikle metasezgisel optimizasyon algoritmalarına daha fazla ihtiyaç duyulmasına neden olmuştur. Yapay Alg Algoritması (AAA), mikro alglerin karakteristiklerinden ve yaşam davranışlarından esinlenerek geliştirilmiş metasezgisel bir optimizasyon algoritmasıdır. Çeşitli alanlardaki birçok gerçek dünya problemini başarıyla çözerek popüler metasezgisel algoritmalardan birisi haline gelmiştir. Bununla birlikte diğer metasezgisel optimizasyon algoritmalarına benzer şekilde AAA da erken yakınsama ve yerel minimumlara sıkışma eğilimi göstermektedir. Bu problemleri aşmak için algoritmanın yapısının güçlendirilmesi gerekmektedir. Metasezgisel optimizasyon algoritmalarının karakteristiklerini belirleyen iki önemli arama stratejisi vardır. Bunlardan birisi keşif/çeşitlendirme diğeri sömürü/yoğunlaştırmadır. Keşif süreci, arama uzayını küresel olarak keşfetme yeteneğidir. Bu yetenek, yerel optimumdan kaçınma ve yerel optimuma takılınca kurtulabilme kabiliyetidir. Sömürü süreci ise çözümün uygunluğunu yerel olarak iyileştirmek için, mevcut çözümün yakınındaki muhtemel çözümleri keşfetme yeteneğidir. Bir metasezgisel algoritmanın performansının mükemmel olması bu iki strateji arasındaki dengeye bağlıdır. Literatürde keşif ve sömürü süreçlerini güçlendirmek ve aralarındaki dengeyi oluşturmak için levy uçuşu, kuantum davranışı, yerel arama, çoklu ve zeki arama, kaos teorisi gibi çok çeşitli stratejiler geliştirilmiştir. Bu stratejilerden birisi kaos teorisinden ilham alınarak geliştirilen kaotik haritalardır. Kaotik haritalar keşif ve sömürü arasındaki dengeyi güçlendiren çok önemli performans artırma stratejisidir nitekim bu haritalar kullanılarak literatürdeki birçok metasezgisel optimizasyon algoritmasının performansı artırılmıştır. Bu tez çalışmasında AAA kaotik haritalar ile donatılarak Kaotik Yapay Alg Algoritması isminde yeni bir yaklaşım geliştirilmiş ve dört farklı problem uzayına çözüm getirmiştir. Geliştirilen bu yaklaşımla ilk olarak farklı zorluktaki otuz benchmark test fonksiyonu çözülmüştür. Daha sonra basınçlı tank tasarımı, kaynaklı kiriş tasarımı, germe sıkıştırma yayı tasarımı ve Avrupa Uzay Ajansı'ndan alınan sekiz yörünge tasarım problemi üzerinde test edilerek performansı doğrulanmıştır. Üçüncü olarak Kaotik AAA yaklaşımı, makine öğrenmesinin üç temel alanından birisi olan gözetimsiz öğrenmedeki paylaştırmalı kümeleme problemine uygulanarak performansı analiz edilmiştir. Dördüncü olarak da önerilen kaotik AAA yaklaşımının, makine öğrenmesi algoritmaları için kaçınılmaz kritik bir önişleme süreci olan öznitelik seçiminde kullanılmak üzere ikili versiyonu geliştirilmiştir. Bu tezde geliştirilen kaotik tabanlı yeni yaklaşım, tüm problem uzaylarında literatürdeki farklı zorluk seviyesine sahip problem setleri üzerinde çeşitli popüler algoritmalarla kıyaslanmış, Wilcoxon işaretli sıralar testi ve Friedman istatistiksel testleri yapılarak güvenilirliği sağlanmış ve kıyaslanan algoritmalardan daha performanslı olduğu doğrulanmıştır.