Kafes sistemlerin boyut optimizasyonu için bir hipersezgisel algoritma

Abstract

Mühendislik problemlerinde optimum tasarım elde etmek için gereken işlem yüküve süre bir hayli fazladır. Bu nedenle kısıtları sağlayan herhangi bir ön tasarım çoğu zamankabul edilerek kullanılmaktadır. Optimal veya optimale yakın tasarımlara daha kolayulaşabilmek için çok sayıda tasarımı değerlendirerek optimal sonuçlara yaklaşanmetasezgisel optimizasyon algoritmaları oluşturulmuştur. Metasezgisel algoritmalar yakınoptimal çözümlere makul işlem yükü ile yaklaştığını birçok çalışmada kanıtlamıştır. Ancakmetasezgisellerin yetenekleri problemden probleme değişmektedir. Kullanılan optimizasyonalgoritmasının arama stratejisi veya çözülecek optimizasyon probleminin yapısı gibinedenler optimizasyon sürecinin performansını önemli ölçüde etkiler. Bu nedenlearaştırmacılar tüm optimizasyon problemlerine kabul edilebilir çözümler bulabilecek biryöntem arayışına girmişlerdir. Bu çalışmada farklı metasezgisel algoritmaları kullanarakoptimizasyon sürecini daha verimli hale getirmeye çalışan bir hipersezgisel algoritmaönerilmiştir. Öncelikle literatürde geniş çaplı bir araştırma yaparak kullanıcı tanımlıparametresi bulunmayan metasezgisel optimizasyon algoritmaları elde edilmiştir.Metasezgisel optimizasyon algoritmalarının yetenekleri 120 adet test problemi ile testedilmiştir. Ardından en başarılı metasezgisel optimizasyon algoritmaları kullanılarakhipersezgisel algoritmanın bir sonraki analizinde kullanmayı tercih edeceği algoritmayı nasılseçeceği üzerinde çalışmalar yapılmıştır. Çalışmalar sonrasında elde edilen en başarılıyöntem hem matematiksel test problemleri ile test edilmiş hem de 10 elemanlı, 25 elemanlı,72 elemanlı, 117 elemanlı ve 200 çubuk elemanlı kafes sistem problemlerinde boyutoptimizasyonu yapılarak test edilmiştir. Elde edilen veriler incelenerek, çalışmada eldeettiğimiz deneyimler açıklanmıştır.

Engineering problems needs to so much computational load and time to achieveoptimum design. Therefore, any preliminary design that satisfies the constraints is oftenaccepted and used. In order to reach optimal or near-optimal designs more easily,metaheuristic optimization algorithms that approach optimal results by evaluating a largenumber of designs have been created. Metaheuristic algorithms have been proven in manystudies that they approach near-optimal solutions with reasonable computational load.However, the capabilities of metaheuristics changes according to structure of problem. Thereasons such as the searching strategy of the optimization algorithm that used or the structureof the optimization problem to be solved affect the performance of the optimization processsignificantly. For this reason, researchers have sought a method that can find acceptablesolutions to all optimization problems. In this study, a hyperheuristic algorithm that tries tomake the optimization process more efficient by using different metaheuristic algorithms isproposed. As first stage, metaheuristic optimization algorithms without user-definedparameters were obtained by conducting a large-scale research in the literature. Thecapabilities of metaheuristic optimization algorithms were tested with 120 mathematicalbenchmark problems. Then, using the most successful metaheuristic optimizationalgorithms, studies were conducted on how the hyperheuristic algorithm would choose thealgorithm it would prefer to use in its next analysis. The most successful method obtainedafter the studies was tested both with mathematical test problems and size optimizationproblems in truss systems which is 10 bar planar truss, 25 bar spatial truss, 72 bar spacetruss, 117 bar cantilever truss and 200 bar truss structure. By examining the obtained data,the experiences that we gained in the study are described.