Tez No	İndirme	Tez Künye	Durumu
607241		A study to improve performance of genetic algorithms / Genetik algoritmaların performansını geliştirme üzerine bir çalışma Yazar:MASHAR CENK GENÇAL Danışman: DOÇ. DR. MUSTAFA ORAL Yer Bilgisi: Çukurova Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2019 170 s.
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.
Selection is one of the most crucial steps of Genetic Algorithms (GAs) that commonly used in areas of robot applications, image and voice recognition, artificial intelligence applications, path finding problems, scheduling problems, etc. In GAs, lack of adjusting the balance between exploration and exploitation, and selecting appropriate parameter settings are main problems of most selection methods as they cause premature convergence and trapping in local optima. In order to overcome these problems, two common techniques have been utilized: presenting a new selection method, tuning the parameter of an existing algorithm. In the first part of study, new selection methods, Aggressive, Non-Aggressive, Integrated Aggressive, Integrated Non-Aggressive, Outlander, Non-Aggressive Outlander, Bipolar Mating Tendency (BMT), were proposed to solve the problems. As most of the methods are based on Standard Tournament Selection (ST), their performances were compared with ST and prevalent selection methods that are also based on ST: Restricted Tournament, Unbiased Tournament, Fine-Grained Tournament and Cooperative Selections. Twenty-one well known test functions in the field of GAs were employed for the comparison. Furthermore, non-parametric statistical tests, Friedman and Wilcoxon Signed Rank, were applied to demonstrate the significance of the results. In the second part of the study, meta search methods (Brute Force and Coarse to Fine) and meta optimization algorithms (GAs, Particle Swarm Optimization and BMT) were applied to tune standard GAs in order to achieve its best performance. Moreover, the second part contains a short survey in the literature of meta optimization.