Tez No	İndirme	Tez Künye	Durumu
539568		An advanced evolutionary programming method for mechanical system design: Feasibility enhanced particle swarm optimization / Mekanik sistem tasarımı için gelişmiş evrimsel programlama yöntemi: Olurluğu arttırılmış parçacık sürü optimizasyonu Yazar:MEHMET SİNAN HASANOĞLU Danışman: DOÇ. DR. MELİK DÖLEN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Makine Mühendisliği Ana Bilim Dalı Konu:Makine Mühendisliği = Mechanical Engineering Dizin:Global optimizasyon yöntemi = Global optimization method	Onaylandı Doktora İngilizce 2019 233 s.
Kısıtlı eniyileme problemleri makine mühendisliği alanındaki eniyileme problemlerinin önemli bir kısmını oluşturur. Bu problemlerin aşırı kısıtlı olması da az rastlanır bir durum değildir. Amaç fonksiyonunun zor hesaplandığı aşırı kısıtlı problemlerde amaç fonksiyonunu eniyilemenin yanında popülasyonun kısıtları sağlama durumunu bütüncül olarak iyileştirecek bir yaklaşımın önemli olduğu değerlendirilmektedir. Bu çalışmada aşırı kısıtlı problemler için olurluğu geliştirilmiş parçacık sürüsü eniyilemesi (FEPSO) isimli yeni bir yöntem sunulmaktadır. Parçacık sürüsü optimizasyonu tekniğine dayanan FEPSO, kısıtlara uyan ve uymayan parçacıkları farklı bir şekilde ele alır. FEPSO'da kısıtlara uymayan parçacıklar sadece etkin kısıt adı verilen tek bir kısıta dayalı sosyal çekim kuralları ile hareket ederler. Etkin kısıt her yinelemede kısıt önceliklerine göre seçilir ve parçacık hareketi sadece etkin kısıtın duyarlı olduğu karar değişkeni boyutlarında gerçekleşir. Olurluk seviyesinin sürekli iyileşmesi amacıyla FEPSO, sağlanmış bir kısıtın tekrar ihlal edilmesine izin vermez. Benzerlerinden farklı olarak FEPSO, ilklendirilmiş sürüde olurlu parçacıkların bulunmasını gerektirmez. Ayrıca bu yeni yaklaşımın çok amaçlı FEPSO (MOFEPSO) adı verilen bir tipi de tanımlanmaktadır. Aşırı kısıtlı çok amaçlı problemlerin çözümünde kullanılabilen MOFEPSO, olurlu parçacığa kılavuz olarak basılgın olmayan ve olurlu çözümlerden oluşan veri havuzlarından faydalanır. Bu çalışmada bazı kısıtlı eniyileme problemleri de tarif edilmiştir. Bu problemler kullanılarak FEPSO ve MOFEPSO, literatürde bulunan bazı yaygın eniyileme algoritmaları ile karşılaştırılmıştır. Elde edilen sonuçlar değerlendirildiğinde FEPSO ve MOFEPSO'nun etkin ve istikrarlı olarak olurlu noktalar bulabildiği, iyi çözümler elde edebildiği ve sürünün kısıtları sağlama durumunu bütüncül olarak geliştirebildiği görülmektedir.
Constrained optimization problems constitute an important fraction of optimization problems in mechanical engineering domain. It is not rare for these problems to be highly-constrained where a specialized approach that aims to improve constraint satisfaction level of the whole population as well as finding the optimum is deemed useful especially when the objective functions are very costly. This dissertation introduces a new algorithm titled Feasibility Enhanced Particle Swarm Optimization (FEPSO) to handle highly-constrained optimization problems. FEPSO, which is based on particle swarm optimization technique, treats feasible and infeasible particles differently. Infeasible particles do not need to evaluate objective functions and fly only based on social attraction depending on a single violated constraint, called the activated constraint (AC), which is selected in each iteration based on constraint priorities and flight occurs only along dimensions of the search space to which the AC is sensitive. To ensure progressive improvement of constraint satisfaction, particles are not allowed to violate a satisfied constraint in FEPSO. Unlike its counterparts, FEPSO does not require any feasible solutions in the initialized swarm. A modified version of the new method called the multi-objective FEPSO (MOFEPSO) is also introduced. MOFEPSO, which is capable of handling highly-constrained multi-objective optimization problems, employs repositories of non-dominated and feasible positions (or solutions) to guide feasible particle flight. In this study, several constrained optimization problems are described. For the given problems, the performance of FEPSO- and MOFEPSO are comparatively evaluated against a number of popular optimization algorithms found in the literature. The results suggest that FEPSO- and MOFEPSO are effective and consistent in obtaining feasible points, finding good solutions, and improving the constraint satisfaction level of the swarm as a whole.