Search

The Slime mould algorithm (SMA) is a relatively new metaheuristic technique that was just presented. While the performance of the newly proposed algorithms gives satisfactory results in optimization problems, combining a recently proposed algorithm with the components of different algorithms improves the performance of SMAs. In recent years, leader SMA (LSMA) and equilibrium optimizer SMA (ESMA) methods, in which SMA is combined with different algorithms, have been proposed. The advantages of the two proposed methods over SMA in different problems are shown. In this study, in order to eliminate the disadvantages of SMA, such as slow convergence rate and local optimum, the performances of the CEC2020 test functions were investigated together with the LSMA and ESMA methods proposed in recent years. The results obtained are statistically analyzed and given in detail in the study., Balçık kalıp algoritması (BKA), son zamanlarda önerilen nispeten yeni bir metasezgisel tekniktir. Yeni önerilen algoritmaların performansı optimizasyon problemlerinde tatmin edici sonuçlar verirken, yakın zamanda önerilen bir algoritmanın farklı algoritmaların bileşenleri ile birleştirilmesi BKA'ların performansını iyileştirmektedir. Son yıllarda, BKA'nın farklı algoritmalarla birleştirildiği lider SMA (LBKA) ve denge optimize edici SMA (DBKA) yöntemleri önerilmiştir. Önerilen iki yöntemin farklı problemlerde BKA'ya göre avantajları gösterilmiştir. Bu çalışmada, BKA'nın yavaş yakınsama hızı ve yerel optimum gibi dezavantajlarını ortadan kaldırmak için son yıllarda önerilen LBKA ve DBKA yöntemleri ile birlikte CEC'20 test fonksiyonlarının performansları araştırılmıştır. Elde edilen sonuçlar istatistiksel olarak analiz edilmiş ve çalışmada ayrıntılı olarak verilmiştir.

Real-world engineering design problems are relatively difficult problems to solve because they have complex objective functions with many constraints. It is widely used both in industry and in different interdisciplinary studies. Many optimization algorithms have been used to deal with such problems. But the performance of the algorithm decreases significantly with the increasing scale and difficulty of the problem. Different optimization methods and their different versions have been proposed to effectively deal with the engineering design problems in the literature. In this study, new artificial intelligence-based optimization algorithms that have emerged recently and are popular for solving engineering design problems are examined. The analyzed algorithms; constraints, objective functions, and decision variables were adapted to five different real-world engineering design problems, and performance analyses were performed., Gerçek dünya mühendislik tasarım problemleri çok sayıda kısıtlamaları olan karmaşık amaç fonksiyonlarına sahip olmasından dolayı çözülmesi nispeten zor problemlerdir. Hem endüstride hem de disiplinler arası çalışmalarda yaygın olarak kullanılmaktadır. Bu tür problemlerle başa çıkmak için birçok optimizasyon algoritması kullanılmıştır. Fakat algoritmanın performansı, ölçeğin artması ve problemin zorluğu ile önemli ölçüde azalmaktadır. Literatürde yer alan mühendislik tasarım problemlerini etkin bir şekilde ele almak için farklı optimizasyon yöntemleri ve onların farklı versiyonları önerilmiştir. Bu çalışmada, mühendislik tasarım problemlerini çözmek için son dönemlerde ortaya çıkmış ve popüler olan metasezgisel optimizasyon algoritmaları incelenmiştir. İncelenen algoritmalar; kısıtları amaç fonksiyonları ve karar değişkenleri farklı beş gerçek dünya mühendislik tasarım problemine uyarlanmıştır ve performans analizleri gerçekleştirilmiştir.

There are many association rules mining studies that focus on datasets with binary or discrete values. However, the data in real-world applications are generally composed of quantitative values. In association rules discovered within quantitative data, it is very hard to determine which attributes will be included in the rules to be discovered and which ones will be on the left of the rule and which ones on the right; to automatically adjust of most relevant ranges for numerical attributes; to rapidly discover the reduced high-quality rules directly without generating the frequent itemsets; to ensure the rules to be comprehensible, surprising, interesting, accurate, confidential, and etc.; to adjust all of these processes without the need for the metrics to be pre-determined for each dataset. Recently, some researchers have considered quantitative association rule mining as a multi-objective problem that best meets different criteria at the same time. In this paper, the parameter analysis of non-dominated sorting genetic algorithm-II based QAR-CIP-NSGA-II, which aims to maximize comprehensibility, interestingness, and performance for quantitative association rule mining problem, has been performed. For this purpose, to the best of our knowledge the effects of the parameters of QAR-CIP-NSGA-II such as the number of evaluations, population number, mutation probability, amplitude and threshold value to the number of rules obtained, average support, confidence, lift, certainty factor, netconf, and the number of records covered in five real-world data whose attributes consist of quantitative values have been carried out for the first time in this study. Detailed sensitivity analysis results are presented and interpreted in comparative tables., İkili ya da kesikli değerlere sahip veri kümelerine odaklanan birçok birliktelik kural madenciliği çalışması vardır. Ancak, gerçek dünya uygulamalarındaki veriler genellikle nicel değerlerden oluşmaktadır. Nicel veriler için keşfedilecek kurallarda hangi niteliklerin olacağı ve hangilerinin kuralın solunda hangilerinin sağında olacağının belirlenmesi, ilgili nicel aralıkların en uygun şekilde otomatik ayarlanması; kuralların yoğun nesne kümeleri üretilmeden tek aşamada anlaşılabilir, doğru, güvenilir, ilginç, sürpriz vb. özelliklere sahip olacak şekilde bulunması ve tüm bu işlemlerin her veri tabanı için önceden belirlenmesi gereken metriklere ihtiyaç duyulmadan ayarlanması zor bir problemdir. Yakın zamanda bazı araştırmacılar, nicel birliktelik kural madenciliğini, farklı kriterleri aynı anda en iyi şekilde karşılayacak şekilde, çok amaçlı bir problem olarak düşünmüşlerdir. Bu makalede nicel birliktelik kural madenciliği problemi için anlaşılabilirlik, ilginçlik ve performansı en üst düzeye çıkarmayı amaçlayan çok amaçlı evrimsel algoritmalardan baskın olmayan sıralama genetik algoritma-II temelli QAR-CIP-NSGA-II’nin parametre analizi yapılmıştır. Bu amaçla; nitelikleri nicel değerler alan beş gerçek dünya verisinde QAR-CIP-NSGA-II’nin değerlendirme sayısı, popülasyon sayısı, mutasyon olasılığı, genlik ve eşik değeri gibi parametrelerinin; elde edilen kural sayısı, ortalama destek, güven, lift, kesinlik faktörü, netconf ve kapsanan kayıt sayısını nasıl değiştirdiği kapsamlı bir şekilde bildiğimiz kadarıyla ilk kez bu çalışmada gerçekleştirilmiştir. Detaylı analiz sonuçları karşılaştırmalı tablolar ile sunulmuştur ve yorumlanmıştır.