Geliştirilmiş şahin algoritmasının çok amaçlı optimizasyon problemlerine uyarlanması

Abstract

Bu çalışmada şahinlerden esinlenilmiş Harris Şahin Optimizasyonu (Harris Hawk Optimizer-HHO) algoritmasından ilham alınarak Karşıtlık Temelli Çok Amaçlı Harris Şahin Optimizasyon algoritması (Opposition learning-based Multi-Objective Harris Hawks Optimizer- OppMOHHO) geliştirilmiştir. İlk aşamada; HHO algoritmasının yapısı korunarak üzerine Pareto optimal sonuçları kayıt etmek ve yeniden kullanmak için bir arşiv yapısı eklenmiştir. Bu arşiv yapısı şahinlerin pozisyonlarını ve çözümleri kayıt etmek için kullanılmaktadır. Çözümlerin seçimi için rulet çarkı mekanizması kullanılmıştır. Seçim hedefin (avın) en iyi sonucu olarak güncellenmektedir. Böylece Çok Amaçlı Harris Şahin Optimizasyonu algoritması elde edilmiştir. İkinci aşamada; MOHHO algoritması üzerine karşıtlık öğrenme mekanizması eklenerek OppMOHHO algoritması geliştirilmiştir. Bu geliştirme ile algoritmanın başarımını yükseltmek hedeflenmiştir. OppMOHHO algoritmasının başarımını değerlendirmek için literatürde bulunan kısıtlamasız ZDT ve DTLZ test fonksiyon serileri kullanılmıştır. Kullanılan on üç test fonksiyonu için OppMOHHO algoritması, geliştirilen MOHHO algoritması ve literatürde bulunan üç adet meta sezgisel optimizasyon algoritması karşılaştırılmıştır. Bu algoritmaların istatistiksel karşılaştırılması için Ters Nesil Mesafesi, Nesil Mesafesi, Aralık, Yayılma ve Maksimum Yayılma metriği kullanılmıştır. Sonuçlar incelendiğinde OppMOHHO algoritması ZDT test fonksiyonu serisi için; ters nesil mesafe metriğinde OppMOHHO, nesil mesafesi metriğinde ilk üç içerisinde, aralık metriğinde ilk iki içerisinde, yayılma metriğinde ilk üç içerisinde ve maksimum yayılma metriğinde ilk iki içerisinde yüksek yakınsama davranışına sahip olduğunu nicel olarak göstermiştir. DTLZ test fonksiyonu için; ters nesil mesafe metriği için OppMOHHO, nesil mesafe metriği için ilk dört içerisinde, aralık metriği için ilk üç içerisinde, yayılma metriği için OppMOHHO ve maksimum yayılma metriği için de OppMOHHO algoritması yüksek yakınsama davranışına sahip olduğunu nicel olarak göstermiştir.

In this study, Harris Hawks Optimization, which was developed with inspiration from hawks, have taken as an example. First stage; Preserving the structure of the HHO algorithm, an archive structure has been added to save and reuse Pareto optimal results. This archive is used to simulate hawk positions and solutions. The roulette wheel mechanism is used for the selection of solutions. The selection result is updated as the best result of the target. Thus, the Multi-Objective Harris Hawk Optimization algorithm has obtained. In the second stage; Multi Objective Harris Hawks Optimization algorithm based on Opposition Learning--based has been developed by adding the opposition learning mechanism on the MOHHO algorithm. It is aimed to increase the performance of the algorithm with the OppMOHHO algorithm. In order to better see the performance of the OppMOHHO algorithm, the unrestricted ZDT and DTLZ test function series in the literature have used. The thirteen test functions used have compared with OppMOHHO and four metaheuristic optimization algorithms found in the literature. For the statistical comparison of these algorithms, the Inverted Generational Distance, Generational Distance, Spacing, Spread and Maximum Spread metric have calculated. The results are given with tables and graphs. When the results are examined, for the OppMOHHO algorithm ZDT test function series; In the Inverted Generation Distance metric, OppMOHHO has quantitatively shown that it has high convergence behavior in the top three in the generation distance metric, in the top two in the ınterval metric, in the top three in the spread metric, and in the top two in the maximum spread metric. For DTLZ test function; The OppMOHHO algorithm for the ınverted generation distance metric, the top four for the generation distance metric, the top three for the ınterval metric, the OppMOHHO for the spread metric and the OppMOHHO for the maximum spread metric have quantitatively shown that it has high convergence behavior.