Güncel metasezgisel algoritmaların performans analizi

Günümüzde, metasezgiseller optimizasyon problemlerinin çözümünde çok önemli bir rol oynamaktadır. Bu tez çalışmasında, son 5 yılda önerilen popülasyon tabanlı 10 metasezgisel (Harris Şahinleri Optimizasyonu-HHO, İsli Sumru Optimizasyon Algoritması-STOA, Karadul Optimizasyonu-BWO, Aritmetik Optimizasyon Algoritması-AOA, Afrika Akbabaları Optimizasyon Algoritması-AVOA, Kaya Kartalı Optimizasyon Algoritması-AO, Yapay Tavşan Optimizasyonu-ARO, Dağ Ceylanı Optimizasyonu-MGO, Çayır Köpeği Optimizasyonu-PDO, Kerevit Optimizasyon Algoritması-COA) kıyaslanmıştır. Algoritmalar ile kalite test fonksiyonları ve mühendislik tasarım problemleri çözülmüştür. Bildiğimiz kadarıyla, bu algoritmaların performansları ilk kez karşılaştırılmıştır. Simülasyon sonuçları, yakınsama grafikleri ve istatistiksel test sonuçlarına göre en yüksek başarıya sahip üç algoritma sırasıyla AVOA, MGO ve AO' dur. Gelecekteki çalışmalarda çeşitli metasezgisellerden yararlanılarak bu üç algoritmanın daha sağlam versiyonları ile farklı mühendislik problemlerinin çözülmesi hedeflenmektedir.

Nowadays, metaheuristics play a very important role in solving optimization problems. In this thesis study, 10 population-based metaheuristics proposed in the last 5 years (Harris Hawks Optimization-HHO, Sooty Tern Optimization Algorithm-STOA, Black Widow Optimization -BWO, Arithmetic Optimization Algorithm-AOA, African Vultures Optimization Algorithm-AVOA, Aquila Optimization Algorithm). -AO, Artificial Rabbit Optimization-ARO, Mountain Gazelle Optimization-MGO, Prairie Dog Optimization-PDO, Crayfish Optimization Algorithm-COA) were compared. Quality test functions and engineering design problems are solved with algorithms. To our knowledge, this is the first time the performances of these algorithms have been compared. According to simulation results, convergence graphs and statistical test results, the three most successful algorithms are AVOA, MGO and AO, respectively. In future studies, it is aimed to solve different engineering problems with more robust versions of these three algorithms by utilizing various metaheuristics.