:::: MENU ::::
İncelemeler

A DISCRETE BINARY VERSION OF THE PARTICLE SWARM ALGORITHM

“A DISCRETE BINARY VERSION OF THE PARTICLE SWARM ALGORITHM” başlıklı çalışma James Kennedy ve Russell C. Eberhart tarafından yapılmış olup Systems, Man, and Cybernetics, 1997. Computational Cybernetics and Simulation., 1997 IEEE International Conference on (Vol. 5, pp. 4104-4108). IEEE.kapsamında sunulup, basılmıştır.

İkilileştirme işlemi 0 ile 1 arasında çıktı veren sigmoid fonksiyonu ile yapılmıştır.

sigmoid

Çalışmada önerilen BPSO’yu test etmek için gerçek değerli De Jong fonksiyonları kullanılmış ve üretilen binary sayılar 10 tabanına çevrilerek optimumu bulup, bulmadığı kontrol edilmiştir. Hassasiyet farkında dolayı optimumu 500 olan bir fonksiyon için algoritma 499.056335 bulmuş bu sonuç ise çözüme ulaştı olarak kabul edilmiştir.

Çalışmayı indirmek için:

A_discrete_binary_version_of_the_particle_swarm_algorithm


Swarm intelligence approaches to estimate electricity energy demand in Turkey

“Swarm intelligence approaches to estimate electricity energy demand in Turkey” başlıklı çalışma Mustafa Servet Kıran, Eren Özceylan, Mesut Gündüz ve Turan Paksoy tarafından yapılmış olup Knowledge-Based Systems dergisinin 36 (2012).sayısının 93-103. sayfaları arasında basılmıştır.

Çalışmada gayri safi yurtiçi hasıla, nüfus, ihracat ve ithalat verileri ile elektrik tüketimi arasında doğrusal ve karesel bir ilişki kurularak PSO ve ABC algoritmalarının ideal ağırlıkları bulması sağlanmış ve gerçekleşmiş verilerle yapılan testler sonucunda en kötü %87 oranında bir doğrulukla tahmin tutarlıdır denmiştir. Geleceğe yönelik farklı senaryolar belirlenerek ileriye yönelik tahmin de yapılmıştır.

2016 yılı itibariyle çalışma değerlendirildiğinde senaryo 1’in tutarlı olduğu görülmektedir.

senaryo1

Gerçekleşen durum:

elektrik-tuketimi

Çalışmayı indirmek için:
http://www.sciencedirect.com/science/article/pii/S0950705112001803


Advanced Population Diversity Measures in Genetic Programming

“Advanced Population Diversity Measures in Genetic Programming” başlıklı çalışma Edmund Burke, Steven Gustafson, Graham Kendall ve Natalio Krasnogor tarafından yapılmış olup 2002 yılında International Conference on Parallel Problem Solving from Nature (pp. 341-350) Springer Berlin Heidelberg. konferansında sunulmuştur.

Fitness değerleri fenotiplere,
Bireyler genotiplere karşılık gelmektedir.

Çalışmada çeşitlilik ve fitness değerlerinin Spearman korelasyonu kullanılmıştır.

Çalışmayı indirmek için:

Advanced_Population_Diversity_Measures_in_Genetic_Programming


An Adaptive Genetic Algorithm based on Population Diversity strategy

“An Adaptive Genetic Algorithm based on Population Diversity strategy” başlıklı çalışma Chen Lin tarafından yapılmış olup 2009 yılındaki Genetic and Evolutionary Computing, WGEC’09. 3rd International Conference on. IEEE, konferansında sunulmuştur.

Çalışmada mutasyon olasılığını popülasyon uygunluğunun ortalama karesel sapması temelinde dinamik olarak ayarlayan adaptif bir genetik algoritma önerilmiştir.

Genetik algoritmada;
Seçim işlemi popülasyon çeşitliliğini azaltır.
Çaprazlama işlemi popülasyon çeşitliliğini azaltmaz.(artırıp değiştirmediğine emin değilim!)
Mutasyon işlemi popülasyon çeşitliliğini artırır.

Mutasyon işleminin gerçekleştirilme olasılığı popülasyon çeşitliliğine etki eden en önemli unsurdur.

İlgili çalışmalar:

-Shen Yuan-xia, Zhang Cui-fang. A Modified Genetic Algorithm with Maintaining Diversity. Journal of system simulation. Vol.17 No.5, May 2005(1052-1053)

-Liu Zhi-ming,ZHOU Ji-liu,Chen Li. A Novel Genetic Algorithm Operator for Maintaining Diversity. Mini-Micro Ststem. Vol.24 No.5 2003.5

-Deng Li,Rui-Hua. An Improved Fuzzy Genetic Algorithm to suppress the Premature Convergence. Computer Science. 2007 Vol.34 No.11

Popülasyonun ortalama karesel sapması “ASD(average square deviation)” parametresi kullanılmıştır. ASD’nin büyük olması çeşitliliğin çok, küçük olması bireylerin birbirine benzediği anlamına gelmektedir.

Çalışmada ASD’ye bağlı olarak mutasyon olasılığı adaptif olarak değiştirilmiştir.

ASD her jenerasyonda aşağıdaki şekilde hesaplanmaktadır.

asd

Çalışmada;
1-Değerler gerçek sayı olarak kodlanmıştır.
2-Seçim işleminde hem belirli sayıda en iyi birey yeni jenerasyona aktarılmış, hem de Monte Carlo metoduyla iyi olan bireylerin birden fazla seçilmesine imkan tanınmıştır.
3-Çaprazlama işleminde birbirine en uzak olan iki birey alınır, böylece akraba evliliğinden kaçınılmış olur.
4-Mutasyon işlemi ASD parametresine bağımlı olarak yapılır. ASD düştükçe mutasyon olasılığı artırılır. İlişki aşağıdaki şekildedir:
pm

Çalışmayı indirmek için:

An_Adaptive_Genetic_Algorithm_based_on_Population_Diversity_strategy


Sayfalar:12345678...16