Meta-Heuristik Optimizasyon Algoritmalarının Sistem Tanımlama Problemine Uygulanması ve Performans Karşılaştırması

Abstract

Son yıllarda meta-heuristik optimizasyon algoritmalarının sayısında önemli oranda bir artış yaşanmıştır. Çok çeşitli problemlerin optimal çözümünde kullanılan meta-heuristik algoritmaların evrimsel, sürü, fiziksel, insan, biyolojik, matematik ve sistem tabanlı olmak üzere çeşitli türleri bulunmaktadır. Bir sistemin matematiksel modelini elde etmek çoğu zaman zahmetli, birçok ihmale dayanan ve karmaşık bir süreçtir. Giriş çıkış verilerinin analiz edilerek bir matematiksel modelin elde edilmesi süreci olarak ifade edilen ve kontrol sistemleri mühendisliğinin önemli alt dallarından biri olan sistem tanımlama yöntemleri sayesinde basit deneyler ile belirtilen zorlukları aşmak mümkündür. Bu çalışmada; yapay ekosistem (AEO), çiçek tozlaşma (FPA), güve-alev (MFO), halat çekme (TWO) ve karınca aslanı algoritması (ALO) gibi çeşitli meta heuristik optimizasyon algoritmaları sistem giriş çıkışından toplanan verileri kullanarak bir transfer fonksiyonunu elde etmek için kullanılmıştır. Böylece meta heuristik algoritmalarının sistem tanımlama problemlerinden biri olan transfer fonksiyonlarının da elde edilebilmesi için kullanılabileceği ilk defa gösterilmiştir. Belirtilen algoritmalar yaygın bir geliştirici ekosistemine sahip olması ve düşük özellikli donanımlarda bile başarılı bir şekilde çalıştırılabilmesinden dolayı Python programlama dili kullanılarak gerçekleştirilmiştir. Önerilen algoritmaların performans karşılaştırmasını yapabilmek için zaman sınırlılığı, maksimum jenerasyon kıstası, erken durdurma kriteri ve maksimum fonksiyon hesaplama sınırlılıkları ele alınmış ve sonuçları sunulmuştur. Yapılan analizler sonucunda, önerilen meta heuristik algoritmalarının sistem tanımlama problemlerine kolaylıkla ve başarıyla uygulanabileceği görülmüştür