BBO algoritmasının optimizasyon başarımının incelenmesi

Abstract

Biyocoğrafya Tabanlı Optimizasyon (Biogeography Based Optimization) (BBO) algoritması, Dan Simon tarafından 2008 yılında geliştirilen yeni bir sezgisel arama algoritmasıdır. Bu tez çalışmasında, bu algoritmanın başarımının incelenmesi üzerinde çalışılmıştır. Algoritmanın başarımı bulanık mantık tabanlı örnek dinamik sistem tanıma problemleri üzerinde irdelenmiştir. Çalışmada örnek dinamik sistemlerin ANFIS bulanık çıkarım sistemi ile modellenmesinde BBO algoritmasının ANFIS parametrelerini ayarlaması sağlanmıştır. Her bir dinamik sistem problemi üzerinde BBO algoritması koşturulmuş. BBO algoritmasının bulanık ağ yapısı üzerinde optimizasyon başarımını daha detaylı inceleyebilmek amacıyla farklı veri setleri (test seti) kullanılarak her bir örnek sistem için elde edilen ANFIS modeli test edilmiştir. BBO algoritması ile elde edilen sonuçlar ABC, PSO ve DE algoritmalarından elde edilen sonuçlar ile karşılaştırılmıştır. BBO algoritması eğitim seti için 0.4, test seti için 0.7 ortalama başarım sayısı ile en iyi sonucu vermiştir.

Biogeography Based Optimization (BBO) algorithm, is a heuristic optimization algorithm which is developed by Dan Simon in 2008. In this thesis, it has been studied on performance investigation of this algorithm. Performance of the algorithm has been examined on sample dynamic system identification problems based on fuzzy logic. In the study, it is provided that BBO algorithm tunes ANFIS parameters for modeling sample dynamic systems with ANFIS fuzzy inference system. BBO algorithm has been run seperaterly on each dynamic system problem. Obtained ANFIS models for each sample system has been tested using different data set (test set) in order to examine more detailed optimization performance of BBO algorithm on fuzzy network structure. The obtained results achieved by BBO algorithm have been campared with the results achieved by ABC, PSO and DE algorithms. BBO algorithm has been showed the best performance with 0.4 for training set and 0.7 for test set in terms of the mean performance number.