İmmün plazma programlama temelli yeni yöntemlerin geliştirilmesi ve mühendislik problemlerine uygulanması

Otomatik Programlama (Automatic Programming, AP), bir sistemin girdi ve çıktı değişkenleri arasındaki ilişkiyi en az hata ile modellemeye çalışan makine öğrenmesi yaklaşımıdır. Sınıflandırma, görüntü işleme, devre tasarımı gibi birçok problemi çözmeyi amaçlayan AP yöntemleri bulunmaktadır. Bu yöntemlerden biri İmmün Plazma Programlama (Immune Plasma Programming, IPP)'dır. IPP, immün plazma tedavisinden esinlenerek oluşturulmuş İmmün Plazma Algoritması'na dayalı metasezgisel bir yöntemdir. Bu tez çalışmasında ilk olarak, IPP'nin parametrelerini optimize ederek en uygun kombinasyonu tespit etmek için çeşitli deneyler yapılmıştır. Daha sonra IPP'nin performansını incelemeye yönelik gerçek dünya problemi üzerinde deneyler yapılarak, sonuçları literatürde yaygın olarak kullanılan Yapay Arı Koloni Programlama yöntemi ile karşılaştırılmıştır. Ayrıca, IPP algoritması temelli Tek Doz IPP (single dose IPP, sdIPP) ve Hızlı IPP (quick IPP, qIPP) yöntemleri ilk kez yeni versiyonlar olarak önerilmiştir. Bu versiyonların başarısını analiz etmek için mühendislik problemi üzerinde deneyler yapılmıştır. Çalışmalarda elde edilen sonuçlar, IPP'nin yeni versiyonlarının literatürde yer alan birçok problemde kullanılabilecek nitelikte olduğunu göstermiştir.

Automatic programming (AP) is a machine learning approach that tries to model the relationship between the input and output variables of a system with the least amount of error. There are AP methods that aim to solve many problems, such as classification, image processing and circuit design. One of these methods is Immune Plasma Programming (IPP). IPP is a metaheuristic method based on the Immune Plasma Algorithm and inspired by immune plasma therapy. In this thesis, various experiments were first performed to determine the most suitable combination by optimizing the IPP parameters. Then, experiments with real-world problems were conducted to investigate the performance of IPP and the results were compared with the Artificial Bee Colony Programming method widely used in the literature. In addition, single dose IPP (sdIPP) and quick IPP (qIPP) methods based on the IPP algorithm were proposed as new versions for the first time. To analyze the success of these versions, experiments were conducted with a technical problem. The results obtained in the studies have shown that the new versions of IPP can be applied to many problems in the literature.