Fırfırlı Kertenkele Optimizasyon Algoritması
Abstract views: 37
/ 
PDF downloads: 23
Keywords:
Fırfırlı Kertenkele Optimizasyon Algoritması, Optimizasyon, Mühendislik, Keşif, SömürüAbstract
Optimizasyon algoritmaları, mühendislik, yapay zekâ, finans ve birçok endüstriyel alanda en iyi
çözümü bulmak için kullanılır. Geleneksel yöntemlerle çözülmesi zor olan karmaşık ve büyük ölçekli
problemler için bu algoritmalar daha verimli çözümler sunar. Yeni optimizasyon algoritmalarına ihtiyaç,
sürekli değişen ve karmaşıklaşan problemlere daha esnek ve etkili çözümler geliştirme gerekliliğinden
doğmaktadır. Bu çalışmada, Fırfırlı Kertenkele Optimizasyon (FKO) adlı doğa esinli bir meta-sezgisel
algoritma sunulmaktadır. FKO, kertenkelelerin otur ve bekle stratejisinden ilham alarak, optimizasyon
problemlerine etkili çözümler sunmayı amaçlar. FKO algoritmasının performansı, F1–F23 benchmark
fonksiyonları üzerinde test edilmiş ve GA (Genetik Algoritma), PSO (Parçacık Sürü Optimizasyonu), WOA
(Balina Sürüsü Optimizasyon Algoritması) ve Gri Kurt Optimizasyonu (GWO) gibi algoritmalarla
karşılaştırılmıştır. Sonuçlar, FKO algoritmasının keşif ve istismar aşamalarında dengeyi başarılı bir şekilde
sağladığını ve çeşitli optimizasyon problemleri için güçlü bir çözüm sunduğunu göstermektedir.
Downloads
References
Simon, D. (2013). Evolutionary optimization algorithms. John Wiley & Sons.
Pereira, J. L. J., Oliver, G. A., Francisco, M. B., Cunha Jr, S. S., & Gomes, G. F. (2022). A review of multi-objective optimization: methods and algorithms in mechanical engineering problems. Archives of Computational Methods in Engineering, 29(4), 2285-2308.
Riaz, M., Ahmad, S., Hussain, I., Naeem, M., & Mihet-Popa, L. (2022). Probabilistic optimization techniques in smart power system. Energies, 15(3), 825.
Laguel, Y., Syed, Y., Aybat, N. S., & Gurbuzbalaban, M. (2024). High-probability complexity bounds for stochastic non-convex minimax optimization. Advances in Neural Information Processing Systems, 37, 140937-140969.
Almufti, S. M., Shaban, A. A., Ali, Z. A., Ali, R. I., & Fuente, J. D. (2023). Overview of metaheuristic algorithms. Polaris Global Journal of Scholarly Research and Trends, 2(2), 10-32.
Nassef, A. M., Abdelkareem, M. A., Maghrabie, H. M., & Baroutaji, A. (2023). Review of metaheuristic optimization algorithms for power systems problems. Sustainability, 15(12), 9434.
Moniz, N., & Monteiro, H. (2021). No free lunch in imbalanced learning. Knowledge-Based Systems, 227, 107222.
Falahah, I. A., Al-Baik, O., Alomari, S., Bektemyssova, G., Gochhait, S., Leonova, I., ... & Dehghani, M. (2024). Frilled Lizard Optimization: A Novel Bio-Inspired Optimizer for Solving Engineering Applications. Computers, Materials & Continua, 79(3).
G. Thompson and P.Withers, “Shape of western Australian dragon lizards (Agamidae),” Amphib. Reptilia, vol. 26, no. 1, pp. 73–85, Jan. 2005. doi: 10.1163/1568538053693369.
K. Christian, G. Bedford, and A. Griffiths, “Frillneck lizard morphology: Comparisons between sexes and sites,” J. Herpetol., vol. 29, no. 4, pp. 576–583, Dec. 1995. doi: 10.2307/1564741.
A. D. Griffiths and K. A. Christian, “Diet and habitat use of frillneck lizards in a seasonal tropical environment,” Oecologia, vol. 106, pp. 39–48, Apr. 1996.
D. E. Goldberg and J. H. Holland, “Genetic algorithms and machine learning,” Mach. Learn.,vol.3, no. 2, pp. 95–99, Oct. 1988. doi: 10.1023/A:1022602019183.
J. Kennedy and R. Eberhart, “Particle swarm optimization,” in Proc. ICNN’95-Int. Conf. Neural Networks, IEEE, 1995, pp. 1942-1948.
S. Mirjalili, S. M. Mirjalili, and A. Lewis, “Grey wolf optimizer,” Adv. Eng. Softw., vol. 69, pp. 46–61, Mar. 2014.
S. Mirjalili and A. Lewis, “The whale optimization algorithm,” Adv. Eng. Softw., vol. 95, no. 12, pp. 51–67, May, 2016. doi: 10.1016/j.advengsoft.2016.01.008.
H. A. Alsattar, A. Zaidan, and B. Zaidan, “Novel meta-heuristic bald eagle search optimisation algorithm,” Artif. Intell. Rev., vol. 53, no. 3, pp. 2237–2264, Mar. 2020. doi: 10.1007/s10462-019-09732-5.
MathWorks, MATLAB (R2024B), The MathWorks, Inc., 2024. [Online]. Available: https://www.mathworks.com
