YSA ve GA Temelli Yeni Bir Algoritma ile Doğrusal Olmayan Optimizasyon

Abstract

Bu çalısmada dogrusal olmayan optimizasyon problemlerinin çözümünde yapay sinir aglarının ve genetik algoritmaların kullanımıyla ilgili yeni bir yaklasım önerilmektedir. Önerilen optimizasyon metodu, kısıtları ögrenmek için yapay sinir agları, global optimum çözüme yakınsamak için genetik algoritmayı ve özellikle bazı kısıtların olurlu çözümü ihlal ettigi durumlarda metodun sonuçlarını degerlendirmek için ise amaç programlamayı seçenek çözüm olarak sunmaktadır. Yöntemin klasik yöntemlere göre hesaplama karmasıklıgı açısından avantajları incelenerek kullanım sınırlamaları belirlenmistir. In this study, a new approach is offered to nonlinear optimization problem solving by using artificial neural networks and genetic algorithms. The proposed approach utilizes Artificial Neural Network (ANN) for learning constraints, Genetic Algorithm (GA) for evolving to global optimum solution and Goal Programming for evaluating results in case of some constraints violate their boundaries near around the feasible region. The approach is compared with classical methods in terms of computational complexity advantages and usage limitations are discussed.