Karınca Koloni Optimizasyonu (Ant Colony Optimization-ACO) algoritmaları çoğu uygulamalı alanda ve belirli bir probleme ilişkin sonuçların optimize edilmesi amacıyla birçok gerçek yaşam probleminde kullanılır. Önemli gerçek yaşam problemlerinden birisi de Gezgin Satıcı Problemidir (GSP). Birçok algoritmanın özelliklede sezgisel algoritmaların kullanılarak çözüldüğü önemli bir problem olarak düşünülmektedir. Bu araştırmada, GSP’de kullanılacak Genetik Algoritma (GA) ve MIN-MAX Karınca Sistemi (MIN-MAX Ant System-MMAS) Algoritmalarının güçlü yönleri melezleme işlemi ile birleştirilerek HGAMMAS adında yeni bir algoritma tasarlanmıştır. HGAMMAS algoritması GA ve MMAS algoritmaları ile TSPLib (eil51, berlin52, eil76, rd100 ve kroA200) veri setleri kullanılarak denenmiştir. Yeni algoritmanın MMAS'e göre %3.2’ye, GA’ya göre %42.7’ye kadar daha düşük maliyette-daha iyi çözümü sunduğu görülmüştür. Ayrıca, HGAMMAS performansının eil51, berlin52, eil76 ve rd100 veri setlerinin literatürdeki “bilinen en iyi değerler” ile aynı sonuçları elde ettiği görülmüştür. Anahtar Kelimeler: Üst sezgisel, ACO (Karınca Koloni Optimizasyonu), AS, ACS, MMAS, GA (Genetik Algoritma), GSP (Gezgin Satıcı Problemi).
Ant Colony Optimization (ACO) algorithms used in many real-life problems in order to optimize the results of most of the practical and specific problem areas. One of the important real-life problems is the Traveling Salesman Problem (TSP) .This is particularly so in the algorithm is considered as a major problem has been solved using heuristics. In this study, to be used in TSP Genetic Algorithm (GA) and MIN-MAX Ant System (MIN-MAX Ant System-MMAS) algorithms combined with the strengths of the hybridization process is designed a new algorithm called HGAMMAS. HGAMMAS algorithm tsplib G and MMAS algorithms (eil51, berlin52, eil76, rd100 and kroa200) were tested using data sets. The new algorithm is based on MMAS 3.2% ate gain by 42.7% up has been shown to lower the cost provide a better solution. Also, eil51 of HGAMMAS performance, berlin52, eil76 and the literature of rd100 data set "known best values" and it has been shown to achieve the same result. Keywords: metaheuristic , ACO (Ant Colony Optimization), AS, ACS, MMAS, GA (Genetic Algorithm), TSP (Traveling Salesman Problem).
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, 2016.
Kaynakça var.
Karınca Koloni Optimizasyonu (Ant Colony Optimization-ACO) algoritmaları çoğu uygulamalı alanda ve belirli bir probleme ilişkin sonuçların optimize edilmesi amacıyla birçok gerçek yaşam probleminde kullanılır. Önemli gerçek yaşam problemlerinden birisi de Gezgin Satıcı Problemidir (GSP). Birçok algoritmanın özelliklede sezgisel algoritmaların kullanılarak çözüldüğü önemli bir problem olarak düşünülmektedir. Bu araştırmada, GSP’de kullanılacak Genetik Algoritma (GA) ve MIN-MAX Karınca Sistemi (MIN-MAX Ant System-MMAS) Algoritmalarının güçlü yönleri melezleme işlemi ile birleştirilerek HGAMMAS adında yeni bir algoritma tasarlanmıştır. HGAMMAS algoritması GA ve MMAS algoritmaları ile TSPLib (eil51, berlin52, eil76, rd100 ve kroA200) veri setleri kullanılarak denenmiştir. Yeni algoritmanın MMAS'e göre %3.2’ye, GA’ya göre %42.7’ye kadar daha düşük maliyette-daha iyi çözümü sunduğu görülmüştür. Ayrıca, HGAMMAS performansının eil51, berlin52, eil76 ve rd100 veri setlerinin literatürdeki “bilinen en iyi değerler” ile aynı sonuçları elde ettiği görülmüştür. Anahtar Kelimeler: Üst sezgisel, ACO (Karınca Koloni Optimizasyonu), AS, ACS, MMAS, GA (Genetik Algoritma), GSP (Gezgin Satıcı Problemi).
Ant Colony Optimization (ACO) algorithms used in many real-life problems in order to optimize the results of most of the practical and specific problem areas. One of the important real-life problems is the Traveling Salesman Problem (TSP) .This is particularly so in the algorithm is considered as a major problem has been solved using heuristics. In this study, to be used in TSP Genetic Algorithm (GA) and MIN-MAX Ant System (MIN-MAX Ant System-MMAS) algorithms combined with the strengths of the hybridization process is designed a new algorithm called HGAMMAS. HGAMMAS algorithm tsplib G and MMAS algorithms (eil51, berlin52, eil76, rd100 and kroa200) were tested using data sets. The new algorithm is based on MMAS 3.2% ate gain by 42.7% up has been shown to lower the cost provide a better solution. Also, eil51 of HGAMMAS performance, berlin52, eil76 and the literature of rd100 data set "known best values" and it has been shown to achieve the same result. Keywords: metaheuristic , ACO (Ant Colony Optimization), AS, ACS, MMAS, GA (Genetic Algorithm), TSP (Traveling Salesman Problem).