Performance evaluation of evolutionary heuristics in dynamic environments

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2006

Tezin Dili: İngilizce

Öğrenci: DEMET AYVAZ

Danışman: SADIK FİKRET GÜRGEN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Statik optimizasyan problemlerinde optimizasyon süresince optimize edilen problemdeherhangi bir değişiklik olmadığı varsayılır. Bununla birlikte gerçek hayattaki birçokoptimizasyon problemi dinamiktir ve zaman içerisinde amaç fonksiyonu, karar değişkenleri yada ortamsal parametrelerinde değişikliklere maruz kalır. Dinamik optimizasyonproblemlerinde amaç statik bir optimal çözüm bulabilmekten ziyade, çözüm kümesi içerisindesürekli bir şekilde yer değiştiren optimal değeri olabildiğince iyi takib edebilmektir.Bu tezde önde gelen evrimsel dinamik optimizasyon tekniklerinin tam ve kapsamlı birkarşılaştırmasını sunuyoruz. 13 evrimsel optimizasyon algoritmasını ortak bir platform olanmoving peaks problemi üzerinde önemli problem parametrelerini değiştirerek inceleyipkarşılaştırdık. Bu algoritmalardan iki tanesi bu tez kapsamında geliştirilmiş, karmatekniklerdir. Yapılan karşılaştırma sonucunda, karma tekniklerin literatürdeki tekniklerdendaha iyi sonuç verdiği gözlenmiştir. Bununla birlikte bu çalışmada sinyal benzerliğini temelalan yeni bir performans ölçütü geliştirilmiş ve algoritmaların karşılaştırılmasındakullanılmıştır.Yapılan karşılaştırma çalısması moving peaks gibi sanal bir problemin yanı sırascheduling gibi gerçek bir problemide içermektedir. Dinamik scheduling problemini çözmeküzere dizayn edilmiş 5 evrimsel algoritmayıda inceledik. Algoritmalar stokastik ve deterministscheduling ortamlarında karşılastırıldı. Sonuçlar her ortamda iyi çalısan tek bir algorimanınolmadığını göstermektedir.