PROPOSAL OF TWO NEW METRICS TO DETERMINE THE PERFORMANCE OF MULTI-OBJECTIVE EVOLUTIONARY ALGORITHMS

Genetik algoritmalar, çok amaçlı optimizasyon problemlerinin çözümünde kullanılan etkili yöntemlerdir. Çok amaçlı optimizasyon problemlerinin doğası gereği, bu problemleri çözebilecek birçok çok amaçlı genetik algoritma (ÇAGA) yöntemi önerilmiştir. Bu yöntemlerin, optimizasyon problemlerini ne kadar iyi çözdüğünün belirlenmesi için literatürde birçok başarım ölçütü önerilmiştir. Bu çalışmada, ÇAGA yöntemlerinin sıralama (puan atama) yeteneklerinin ölçülmesi için Ceza ve Ödül başarım ölçütleri önerilmektedir. Bu iki ölçüt ile bir ÇAGA yöntemi tarafından seçme mekanizmasına ne kadar nitelikli bilgi aktarıldığı sezgisel ve istatistiksel olarak tespit edilebilmektedir. Literatürde çok kullanılan SPEA yöntemi ile yeni önerilmiş DOPGA yöntemi, 4 farklı test fonksiyonu üzerinde çalıştırılmış ve sonuçlar Ceza ve Ödül ölçütleri kullanılarak değerlendirilmiştir.
Genetic algorithms are effective methods to solve the multi-objective optimization problems. Due to the nature of multi-objective optimization problems, a lot of multi-objective evolutionary algorithms (MOEAs) are proposed to solve these problems. In literature, a lot of performance metrics are proposed for determining the performance of MOEAs. In this paper, Punishment and Reward metrics are proposed to measure fitness assignment capabilities of MOEAs. With the help of two proposed metrics, how much useful information can be generated and passed into the selection mechanism by MOEA methods can now be determined heuristically and statistically. The state of the art SPEA and newly proposed DOPGA methods are tested on four test functions and the results are evaluated by using Punishment and Reward metrics