Ondalık genetik algoritma için yeni bir durma ölçütü ve dağıtık hücre ortalamalı sabit yanlış alarm oranı (HO-SYAO) radar sistemine uygulaması
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Genetik algoritma, genetik bilimi ve evrim teorisinden esinlenerek ortaya atılmış eniyilemeamaçlı olarak kullanılan yinelemeli bir arama algoritmasıdır. Ondalık genetikalgoritmada arama uzayının eleman sayısı sonsuz olduğundan uzayın tamamınıntaranması imkansızdır. Zamanın sınırlı olmasından dolayı yinelemeler bir noktadason bulmalıdır. Ondalık genetik algoritma ile uygulanmış durma ölçütleri genetikalgoritmanın belirli bir yineleme sayısı veya belirli bir süre çalışması ya da bireylerinmaliyet fonksiyonunun belli bir değerden fazla değişmemesi ¸seklindedir. Bu gibidurma ölçütleri ölçütün sağlandığı noktadaki hesaplanan çözümün gerçek çözümolmasını garanti edememektedir. Yineleme sayısı yeterince uzun değilse ulaşılançözümün gerçek çözüm olmama olasılığı yüksek olmaktadır.Bu tezde ondalık genetik algoritma için yeni bir durma ölçütü geliştirilmiştir. Geliştirilendurma ölçütü paralel koşturma ile kullanılmaktadır ve herhangi bir yinelemedeçözüm gruplarının en iyi bireyleri arasındaki örnekleme varyansının belli bir değereyakınsaması üzerine kuruludur.Çalışmada dağıtık HO-SYAO (Hücre Ortalamalı Sabit Yanlış Alarm Oranı) radar sistemiproblemi genetik algoritma kullanılarak çözülmüştür. Geliştirilen durma ölçütükullanıldığında elde edilen çözümün gerçek çözüme çok yakın olduğu gözlenmiştir. The genetic algorithm is an optimization and search technique inspired by geneticsand natural selection. As the search space is an infinite set in decimal geneticalgorithms, it is impossible to scan the whole space. The iterations must end as thetime is limited.Stopping criteria used with the decimal genetic algorithms are typically based on themaximum number of iterations, the maximum run time or the level of improvementin the cost function.These stopping criteria may not guarantee that the obtained solutions are equal tothe actual globally optimum solution. Unless the iteration number is high enough, itis very likely that the obtained solution is not equal to the derived globally optimalsolution.In this thesis, a new stopping criterion is proposed. The proposed stopping criterionis used for paralel implementations, and it is based on the convergence of thesampling variance to a predetermined value. The sampling variance is the varianceof the cost values of the best chromosomes in the populations.The genetic algorithm using this stopping criterion has been applied to the problemof distributed CA-CFAR radar systems and it has been observed that the obtainedsolution is very close to the globally optimal solution.
Collections