Sezgisel arama algoritma tabanlı bulanık sistem optimizasyonu

Abstract

ABC algoritması bal arıların doğadaki yiyecek kaynaklarını bulma ve nektar toplama davranış ilkelerine dayalı güncel bir sezgisel optimizasyon algoritmasıdır. Bu çalışmada, doğrusal olmayan dinamik sistemlerin ANFIS (Adaptive Neuro-Fuzzy Inference System) bulanık çıkarım modeli kullanılarak modellenmesi problemi üzerinde Yapay Arı Kolonisi (Artificial Bee Colony, ABC) algoritmasının optimizasyon başarımı incelenmiştir. İnceleme için literatürden seçilen beş denektaşı kullanılmıştır. Her bir denektaşı problem parametreleri ABC ile ayarlanan ANFIS ile modellenmiştir. Her bir denektaşı için ABC ile elde edilen sonuçlar popüler ve sıklıkla kullanılan PSO ve DE’nin sonuçlarıyla kıyaslamalı olarak irdelenmiştir. Çalışma çerçevesinde elde edilen istatistiki verilere göre, ABC algoritmasının DE’ye çok yakın başarım gösterdiği belirlenmiştir. Ancak bir nesil başına koşma zamanı kategorisinde ABC’nin başarımı en yakın rakibi olan DE’ye göre iki kat daha hızlı olduğu sonucuna varılmıştır. Bu sonucu dayalı olarak ABC algoritmasının gerçek zaman gömülü sistem uygulamalarında işletiminin diğerlerine nazaran daha verimli olacağı değerlendirilmiştir.

ABC algorithm is an up-to-date heuristic optimization method based on principles of honey bees behaviors in finding/gathering nectar from food sources in the nature. In this study, performance of the ABC algorithm is investigated on the problem of nonlinear dynamic systems modeling/ identification using ANFIS (Adaptive Neuro- Fuzzy Inference Systems) fuzzy inference model. Fort this investigation, five benchmark problems selected from the literature have been used. Each benchmark problem is identified /modeled with ANFIS which of parameters tuned by ABC. Obtained results for each benchmark have been comparatively examined with the results of PSO and DE popular and commonly used algorithms. According to the obtained results in this study, it is determined that performance of ABC algorithm is very close to performance of DE algorithm. However, it is concluded that performance of ABC in terms of run time per generation was two times better according to that of DE. Based on this conclusion, it is evaluated that operating of ABC algorithm in the application of real time embedded systems would be more efficient.