Yeni bir popülasyon tabanlı metasezgisel optimizasyon yöntemi: Atış algoritması

Bu tez çalışması kapsamında, tüfek atış fenomeninden esinlenilerek yeni bir metasezgisel optimizasyon algoritması olan Atış Algoritması önerilmiş ve literatürde sıklıkla kullanılan optimizasyon algoritmaları ile karşılaştırılarak performans değerlendirmesi yapılmıştır. Atış Algoritması, arama uzayını hedef tahtası olarak ele alır ve optimum çözümü, saçmaların iteratif daralmalarla hedefe yönlendirilmesi metaforuyla arar. Kör atış ile başlangıç popülasyonu oluşturulur, en iyi değerler bulunarak aralarındaki öklidyen mesafe ile yeni atış çapı ve merkezi belirlenerek en iyi değerler etrafında yeni atışlar yapılır. Atış çapı sürekli iyileştirmelerle hedefe doğru daralarak ilerler. Karşılaştırmada Genetik Algoritma, Parçacık Sürü Optimizasyonu, Arı Kolonisi Algoritması ve Balina Optimizasyon Algoritmaları ile literatürde sıklıkla kullanılan farklı tiplerde 16 test fonksiyonu kullanılmıştır. Yapılan analizler ile algoritmaların yakınsama, çözüm hassasiyeti ve tutarlılık performansları incelenmiştir. Tek modlu fonksiyonlarda global optimuma düşük hata oranını ve standart sapmalarla yakınsama sağlanırken çok modlu test fonksiyonlarda rekabetçi sonuçlar vermiştir. Parametrik olmayan istatistiksel analizler sonucunda Atış Algoritması, düşük standart sapma ve yüksek hassasiyet ile birçok test fonksiyonunda diğer algoritmalardan istatistiksel açıdan anlamlı farklarla üstün performans sergilemiştir. Atış Algoritması, genel olarak tutarlı ve güvenilir bir optimizasyon yöntemi olarak değerlendirilmiştir. Özellikle hassasiyet gerektiren fonksiyonlarda etkin bir performans sergilemiştir. Dinamik ve uyarlanabilir mekanizmalarla algoritmanın performansı daha da artırılabilir. Elde edilen sonuçlar, Atış Algoritmasının geniş bir uygulama alanında kullanılabileceğini ve literatüre önemli bir katkı sağlayacağını göstermektedir.