Gradyan Tabanlı Optimize Edici Algoritmasının Parametre Ayarlaması

Abstract

ÖzBu çalışmada, popülasyon tabanlı yeni bir meta-sezgisel optimizasyon algoritması olan gradyan tabanlı optimize edici (GBO) algoritmasının olasılık parametresi ayarı yapılmıştır. Gradyan tabanlı Newton yönteminden ilham alan GBO, gradyan arama kuralı (GAK) ve yerel kaçış operatörü (YKO) olmak üzere iki ana operatör kullanır. Gradyan arama kuralında, uygulanabilir alanda daha iyi arama yapmak ve daha iyi konumlar elde etmek için vektörlerin hareketi kontrol edilir. Arama eğilimini arttırmak ve GBO'nun yakınsamasını hızlandırmak amacıyla, GAK, gardyan tabanlı (GT) yöntemi konseptine dayalı olarak önerilmiştir. GAK, arama uzayında daha iyi konumlar elde etmek için keşif eğilimini geliştirmek ve yakınsama oranını hızlandırmak için gradyan tabanlı yöntemi kullanır. YKO operatörü, çözümün konumunu önemli ölçüde değiştirebilmektedir. YKO operatöründe rastgele değerlerle kıyaslanmak üzere olasılık parametresi (pr∈ (0,1)) kullanılmaktadır. Olasılık parametresi GBO'nun çalışma performansına etkisini anlayabilmek için on iki adet tek modlu ve on iki adet çok modlu test fonksiyonları kullanılmıştır. Deneysel çalışmalarda olasılık parametre değerleri sırasıyla 0,1, 0,3, 0,5, 0,7 ve 0,9 olarak alınmıştır. GBO algoritmasında olasılık parametresinin önemli bir faktör olduğu ve GBO'nun çalışma performansını önemli ölçüde etkilediği belirlenmiştir. Ek olarak olasılık parametresinin 0,9 değerine yaklaştığında GBO'nun tek modlu ve çok modlu test fonksiyon sonuçlarında daha iyi değerler hesapladığı grafik ve tablolarla gösterilmiştir.