Journals Books 2687-5527 doi.org/10.36287/setsci
Latest Issue Archive Future Issues About Us
Conference Proceedings

SETSCI - Volume 4 (6) (2019)
ISAS WINTER-2019 (ENS) - 4th International Symposium on Innovative Approaches in Engineering and Natural Sciences, Samsun, Turkey, Nov 22, 2019

MOEA/D Algoritmasının En Önemli İki Ayrıştırma Yöntemi Olan PBI ve TCH’ın Analizi
Mustafa Altıok1*, Barış Koçer2
1Tokat Gaziosmanpaşa University, Tokat, Turkey
2Konya Technical University, Konya, Turkey
* Corresponding author: mustafa.altiok@gop.edu.tr
Published Date: 2019-12-22   |   Page (s): 502-507   |    191     1
https://doi.org/10.36287/setsci.4.6.144

ABSTRACT Günümüzde, birçok araştırmacı optimizasyon problemleri çözen algoritmaları geliştirme eğilimindedir. Gerçek dünya problemleri ise genelde birden çok amaca sahip oldukları için çok amaçlı optimizasyon problemleri üzerine geliştirilen algoritmalar trend olmuştur. Bu çalışmada, çok amaçlı optimizasyon algoritması olan Multi Objective Evulation Algorithm(MOEA/D) incelendi ve algoritma içerisinde yer alan ve genelde amaçların tek bir amaç olarak ifade edilmesini sağlayan en önemli iki metot Tchebycheff (TCH) ve Penalty-based Boundary Intersection (PBI) metotları  iki ve üç amaçlı 11 benchmark(DTLZ ve ZDT ailesi) ile test edildi ve bu alanda en çok kullanılan Hypervolume(HV), Inverted Generation Distance(IGD) ve EPSİLON adında üç adet metrik ile bu sonuçlar kıyaslandı. Bu algoritmanın artıları ve eksileri öne çıkarıldı. Sonuçta MOEA/D hangi yöntem ile kullanılırsa daha verimli olacağı gösterilmiş oldu. Bilim her zaman üzerine koyarak ilerleyen bir gerçeklik olduğu için, bu çalışma MOEA/D üzerine çalışma yapacak araştırmacılara yön gösterici bir çalışma oldu.
KEYWORDS Optimizasyon, Çok amaçlı optimizasyon, MOEA/D, algoritma,Ayrıştırma yöntemi
REFERENCES [1] A. OZKIS, "Girdap arama ve yapay alg algoritmalarının çok amaçli optimzasyon problemlerine uyarlanmasi," phD, Computer Engineering, Selcuk Universty, KONYA, 2018.
[2] A. Özkış and A. Babalık, "A novel metaheuristic for multi-objective optimization problems: The multi-objective vortex search algorithm," Information Sciences, vol. 402, pp. 124-148, 2017.
[3] J. Schaffer, "Multiple objective optimization with vector evaluated," ph.D., Genetic Algorithms, Vanderbilt Universty, 1984.
[4] K. Deb, A. Pratap, S. Agarwal, and T. Meyarivan, "A fast and elitist multiobjective genetic algorithm: NSGA-II," IEEE transactions on evolutionary computation, vol. 6, no. 2, pp. 182-197, 2002.
[5] C. A. C. Coello, G. T. Pulido, and M. S. Lechuga, "Handling multiple objectives with particle swarm optimization," IEEE Transactions on evolutionary computation, vol. 8, no. 3, pp. 256-279, 2004.
[6] E. Zitzler and S. Künzli, "Indicator-based selection in multiobjective search," in International Conference on Parallel Problem Solving from Nature, 2004, pp. 832-842: Springer.
[7] Q. F. Zhang and H. Li, "MOEA/D: A multiobjective evolutionary algorithm based on decomposition," (in English), Ieee Transactions on Evolutionary Computation, vol. 11, no. 6, pp. 712-731, Dec 2007.
[8] J. Bai and H. Liu, "Multi-objective artificial bee algorithm based on decomposition by PBI method," Applied Intelligence, vol. 45, no. 4, pp. 976-991, 2016.
[9] E. ERGUL, "Çok amaçlı genetik algoritmalar: Temelleri ve Uygulamaları," ph.D., Multi Objective Optimization, Ondokuz Mayıs University, SAMSUN, 2010.
[10] A. J. Nebro and J. J. Durillo, "A study of the parallelization of the multi-objective metaheuristic MOEA/D," in International Conference on Learning and Intelligent Optimization, 2010, pp. 303-317: Springer.
[11] J. J. Durillo and A. J. Nebro, "jMetal: A Java framework for multi-objective optimization," Advances in Engineering Software, vol. 42, no. 10, pp. 760-771, 2011.
[12] E. Zitzler, K. Deb, and L. Thiele, "Comparison of multiobjective evolutionary algorithms: Empirical results," Evolutionary computation, vol. 8, no. 2, pp. 173-195, 2000.
[13] K. Deb, L. Thiele, M. Laumanns, and E. Zitzler, "Scalable test problems for evolutionary multiobjective optimization," in Evolutionary multiobjective optimization: Springer, 2005, pp. 105-145.
[14] Q. Zhang, A. Zhou, S. Zhao, P. N. Suganthan, W. Liu, and S. Tiwari, "Multiobjective optimization test instances for the CEC 2009 special session and competition," University of Essex, Colchester, UK and Nanyang technological University, Singapore, special session on performance assessment of multi-objective optimization algorithms, technical report, vol. 264, 2008.
[15] A. Babalik, A. Ozkis, S. A. Uymaz, and M. S. Kiran, "A multi-objective artificial algae algorithm," (in English), Applied Soft Computing, vol. 68, pp. 377-395, Jul 2018.
[16] Y. Xiang, Y. Zhou, and H. Liu, "An elitism based multi-objective artificial bee colony algorithm," European Journal of Operational Research, vol. 245, no. 1, pp. 168-193, 2015.
[17] D. H. Wolpert and W. G. Macready, "No free lunch theorems for optimization," IEEE transactions on evolutionary computation, vol. 1, no. 1, pp. 67-82, 1997.


SET Technology - Turkey

eISSN  : 2687-5527    
DOI : doi.org/10.36287/setsci

E-mail : info@set-science.com
+90 533 2245325

Tokat Technology Development Zone Gaziosmanpaşa University Taşlıçiftlik Campus, 60240 TOKAT-TURKEY
©2018 SET Technology