Tez No	İndirme	Tez Künye	Durumu
372044		Metasezgisel algoritmalarda çevrimiçi ayarlama ile uyarlanabilir parametre kontrolü / Adaptive parameter control in metaheuristic algorithms using online tuning Yazar:BEKİR AFŞAR Danışman: PROF. DR. MUSTAFA SERDAR KORUKOĞLU Yer Bilgisi: Ege Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Bölümü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Parametre optimizasyonu = Parameter optimization	Onaylandı Doktora Türkçe 2014 139 s.
Metasezgisel algoritmalar (Metaheuristic Algorithms - MHA)'ın sahip olduğu stratejik parametreler için belirlenen değerler, algoritmaların performansına doğrudan etki etmektedir. Problemden bağımsız geliştirilen MHA'ların daha iyi bir performansa sahip olmaları için parametre değerlerinin problemden probleme değişkenlik göstermesi ve ayrıca algoritmanın çalışması sırasında güncellenmesi gerekmektedir. Bu tez çalışmasında, MHA'lar için stratejik öneme sahip parametreler için iki adet çevrimiçi parametre kontrol yöntemi geliştirilmiştir. Bunlardan birincisi, çalışma zamanında arama sürecinden gelen geri-bildirimlere göre parametre değerlerinin güncellendiği uyarlanabilir parametre kontrolüdür. İkincisi ise parametre değerlerinin doğrudan algoritmanın yönetimine bırakıldığı kendinden-uyarlanabilir parametre kontrolü yöntemidir. Önerilen bu yöntemler, MHA'ların iyi örneklerinden olan; yapay arı kolonisi (Artificial Bee Colony - ABC) algoritmalarından Improved ABC (IABC) algoritması ile ateş böceği algoritması (Firefly Algorithm - FA) üzerinde uygulanmıştır. Geliştirilen uyarlanabilir IABC ve FA versiyonları, büyük ölçekli eniyileme problemlerini içeren SOCO fonksiyon kümesi üzerinde çalıştırılarak yöntemlerin başarımı değerlendirilmiştir ve tartışılmıştır.
Specified values of the strategic parameters owned by the metaheuristic algorithms (MHA) have a direct impact on the performances of the algorithms. For better performance of problem independently developed MHA's, parameter values are subject to change from problem to problem and also need to be updated during the run of the algorithm. In this thesis, two online parameter control methods have been developed for the strategic parameters of MHAs. One of them is, adaptive parameter control which updates parameter values according to the feedbacks coming from the search process during run of the algorithm. The second method is management of the parameter values left to the algorithm itself called self-adaptive parameter control. These two methods have been applied to the improved ABC (IABC), one of the artificial bee colony (ABC) variant, and firefly algorithm (FA), which are good examples of MHA's. Developed adaptive IABC and FA algorithms were tested on SOCO function set which has large-scale optimization problems and performance of the methods was evaluated and discussed.