:::: MENU ::::

A self-adaptive binary differential evolution algorithm for large scale binary optimization problems

“A self-adaptive binary differential evolution algorithm for large scale binary optimization problems” başlıklı çalışma Akbar Banitalebi, Mohd Ismail Abd Aziz, Zainal Abdul Aziz tarafından yapılmış olup Information Sciences dergisinin 367.sayısının (2016): 487-511.sayfaları arasında basılmıştır.

Bir çok önemli optimizasyon problemi ikili (binary) optimizasyon problemi olarak gösterilebilir ve çözülebilir.

Stokastik optimizasyon metodlarından sürekli uzayda çalışanlar aşağıdaki yöntemlerle ikili uzaya taşınabilir.

-Transfer fonksiyonu: Sigmoid fonksiyonuyla sürekli değerler ikili değerlere dönüştürülebilir. Başka transfer fonksiyonları da önerilmiştir.
Örnek çalışmalar:
(Memetic binary particle swarm optimization for discrete optimization problems)
(Binary particle swarm optimization: challenges and new solutions)

-Açı modülasyonu: Sinyal işleme alanından esinlenilmiş bir sinüs-cosinüs içeren fonksiyonlarla ikili diziler üretme esasına dayanır.
Örnek çalışma:
(Binary differential evolution)

-Kuantumdan ilham alan bitler:
Örnek çalışma:
(A quantum-inspired gravitational search algorithm for binary encoded optimization problems)

-Genetik operatörler: Binary crossover ve swap operatörleri kullanılmaktadır.
Örnek çalışma:
(A novel binary artificial bee colony algorithm based on genetic operators)

-Logic kapılar: xor,or, not, and kapıları ile yeni bireyler oluşturmak.
Örnek çalışma:
(Xor-based artificial bee colony algorithm for binary optimization)
(Novel binary encoding differential evolution algorithm)

Benzerlik ölçüsü: İkili dizilerin benzerlik ölçümlerinden yola çıkan yöntemdir.
Örnek çalışma:
(Disabc: a new artificial bee colony algorithm for binary optimization)

-Diğer:
Örnek çalışma:
(A binary differential evolution algorithm learning from explored solutions)

İkili DE varyantları:
binDE: Rastgele bir sayı üretir, 0.5’ten büyükse 1 aksi halde 0 atar.
normDE: Sayıları 0-1 aralığına normalize eder, 0.5’ten büyükse 1 aksi halde 0 atar.
angle modulated DE (AMDE): Açı modülasyonu ile üretim yapılır.
quantum inspired DE (QDE):
discrete binary DE (DBDE):
improved binary DE:
binary learning differential evolution (BLDE):
Sigmoid fonksiyonuyla çevrim yapan DE:

İkili PSO varyantları:

binary PSO (BPSO): Sigmoid fonksiyonuyla gerçek değerler binary değere dönüştürülür. Yüksek boyutlularda başarısı düşüktür.
Local PSO (LPSO): BPSO’nun gelişmişidir. Local best komşuların bilgileriyle güncellenir.
binary hybrid topology particle swarm optimization (BHTPSO-QI): İlgili çalışma: (Memetic binary particle swarm optimization for discrete optimization problems)

İkili ABC varyantları:
DisABC: Jaccard’ın benzerlik ölçeğini kullanır.
bitABC: İkili operatörleri kullanır.
binABC: İkili operatörleri kullanır.
GB-ABC: Genetik operatörleri kullanarak yeni bireyler üretilir. Mevcut birey, Rastgele iki birey, En iyi birey ve sıfırlardan oluşmuş birey; iki noktalı çaprazlama ve değişim operatörleriyle 10 bireye çıkartılır ve bunların en iyisi yeni aday çözüm olarak yoluna devam eder.

İkili HS varyantları:

simplified binary HS (SBHS): Örnek çalışma: (A simplified binary harmony search algorithm for large scale 0 −1 knapsack problems)

İkili GSA:
binary GSA:
Binary Quantum-Inspired Gravitational Search Algorithm (BQIGSA):

Yorumum:

Çalışmada yeni bir ikili DE varyantı önerilmiş, 15 CEC2015 probleminde, düşük ve yüksek boyutlu knapsack (sırt çantası) problemlerinde testler yapılmıştır. Kıyas için kullanılan algoritmalar yeniden kodlanmış, ilgili çalışmalardaki sonuçlar ile kendi buldukları sonuçları Appendix bölümünde vermişlerdir. SabDE geride kalmayan kısmen önde olan hızlı bir algoritma olarak karşımıza çıkmaktadır.

İndirmek için:
A-self-adaptive-binary-differential-evolution-algorithm-for-large scale-binary-optimization-problems


Görüşlerinizi önemsiyorum...