MOTSA: Çok amaçlı ağaç-tohum algoritması

Abstract

Gerçek dünya problemlerinde belirlenen amaçlar genellikle birbiriyle çelişen birden fazla amacın eş zamanlı optimizasyonundan oluşmaktadır. Bu noktada tek amaçlı bir optimizasyon yönteminin çok amaçlı versiyonunu oluşturulması birden fazla soruna aynı anda çözüm üretme imkânı sağlayacaktır. Ağaç Tohum Algoritması, kısaca TSA, ağaçlarla tohumların doğadaki ilişkisinde ilham alınarak tek amaçlı optimizasyon algoritması çözümü için önerilmiştir. Önerilen çok amaçlı varyant ağaç tohumu algoritması MOTSA, TSA' nın tek amaçlı problemler üzerindeki performansını temel alarak çok amaçlı optimizasyon problemlerini çözmek için önerilmiştir. Önerilen algoritma birçok çok amaçlı optimizasyon algoritması yayılım, dağılım ve yakınsama başarı ölçütleri kullanılarak test edilmiştir. Java ortamında gerçekleştirilen testlerde 9 farklı uygunluk fonksiyonu kullanılmıştır. Bu çalışmada belirlenen kriterlere göre yapılan testlerde elde edilen sonuçlar sunulmuştur. MOTSA'nın elde ettiği başarı değerlendirilmiştir. Algoritmanın optimum sonuca ulaşma yöntemindeki özellikleri değerlendirilmiştir. Çok amaçlı problemlerde tek amaçlıdan farklı olarak seçim sorununun üstesinden gelmek için, NSGA-II'nin iyi bilinen stratejileri, baskın olmayan sıralama ve kalabalık mesafesi özellikleri önerilen MOTSA ile entegre edilmiştir. Bunu yaparak, MOTSA algoritmasında birleşik ağaç ve tohum popülasyonlarından en yüksek kalitede çözümler seçilir ve bir sonraki nesle aktarılır. TSA ve NSGA-II algoritmalarının en iyi yönlerinin sentezlenmesi ile çok amaçlı optimizasyon problemlerine MOTSA algoritması ile çözüm bulunmaktadır.

The goals identified in real-world problems often consist of concurrently optimization of multiple conflicting goals. At this point, the creation of a multi-objective version of a single-objective optimization method will provide the opportunity to produce solutions to multiple problems concomitantly. Tree Seed Algorithm, TSA for short, has been proposed for the solution of a single-targeted optimization algorithm by inspiring the relationship between trees and seeds in nature. A multiobjective variant tree seed algorithm MOTSA has been proposed to solve multiobjective optimization problems based on the performance of the TSA on single objective problems. The algorithm that proposed has been tested using several criterions optimization algorithms, propagation and convergance success criteria. 9 different confornity functions were used in the tests that performed in Java. In the study, the results obtained in the tests performed according to the specified criteria that are determined. The success that achieve of MOTSA was evaluated. The properties of the algorithm in reaching the optimum result method were evoluated. In order to overcome the problem of selection, as different to single-purpose for multi-objective problems, NSGA-II's well-known strategies, non-dominant sorting and crowd distance features are integrated with the proposed MOTSA. By doing this, the highest quality solutions are selected from the combined tree and seed populations in the MOTSA algorithm and passed on to the next generation. By synthesizing the best aspects of TSA and NSGA-II algorithms, MOTSA algorithm is used to solve multi-objective optimization problems.