KLONAL SEÇİM ALGORİTMASI İLE TEST FONKSİYONLARININ

OPTİMİZASYONU

PROJE ÇALIŞMASI

PROJENİN AMACI:

Klonal Seçim Algoritmasını kullanarak test fonksiyonlarının belirtilen aralıklarda optimize edilmesi sonucunda fonksiyonun tanımlı giriş ve çıkış değerlerine en yakın değerleri bulmak ve optimizasyon da kullandığımız parametreler ile hatayı en aza indirgemektir.

1-GİRİŞ

KLONAL SEÇiM ALGORiTMASI :Optimizasyon ve örüntü tanıma problemlerinde genel olarak kullanılan yöntem klonal seçim algoritmasıdır. Bu algoritmada her iterasyon sonucunda istenilen duruma yaklaşılması hedeflenmektedir.

CSA Akış Şeması

1.Adım: Vücut antikor repertuarını oluşturan antikorlar, başlangıç çözüm kümesini oluştururlar.

2. Adım: Antikorların benzerlik dereceleri hesaplanır.

3. Adım: n adet en yüksek benzerlikli antikor seçilir.

4. Adım: Seçilen n adet antikorun benzerlik dereceleri ile doğru orantılı olarak, yüksek benzerlik dereceli antikorun daha fazla olacak şekilde klonlanması gerçekleşir.

5. Adım: Antikorların benzerlik derecesi yüksek olan, daha az olacak şekilde mutasyona uğratılır.

6. Adım: Mutasyona uğramış klonların benzerlik dereceleri belirlenir.

7. Adım: n yüksek benzerlik dereceli antikorların yeniden seçilmesi .

8. Adım: d adet en düşük benzerlik derecesindeki antikorların yeni üretilen antikorlarla değiştirilmesi.

Klonal Seçim Algoritmasında Kullanılan Değişkenlerimiz:

1- Antikor Sayısı

2- Klon Sayısı

3- İterasyon Sayısı

4- Mutasyon Faktörü

5- Eşik Değeri

6- Çeşitlilik

7- Klonal Seçim Aralığı

8- Alt Sınır

9- Üst Sınır

2-MATERYAL ve METOT

OPTiMiZASYON PROBLEMLERi:

Kısaca maksimum verim alabilmek için yapılan optimize islemlerine OPTİMİZASYON denir.

Maksimum verimi, yararı ya da faydayı almak için kullanılan denklemlere ise OPTİMİZASYON PROBLEMLERİ denir.

Optimizasyonda kullanılan fonksiyonlara ise OPTİMİZASYON TEST FONKSİYONLARI denir.(Ancley, Matyas vb..)

MATYAS FONKSİYONU:

Projemizde kullandığımız ve projemizi tasarlarken bizim asıl referans aldığımız test fonksiyonlarından olan Matyas Fonksiyonu ile projemizi tanıtacağız. Şekilde görüldüğü gibi yerel minimum noktaları referans alınarak optimizasyonda kullanılan bir test fonksiyonudur.

FORMÜLÜ:

f(x; y) = 0.26(x2 + y2) – 0.48xy

ARALIKLARI:

f(0, 0) = 0

ARANAN ETKİ ALANI:

-10 ≤ x, y ≤ +10

Aralıklarında tanımlı fonksiyonumuzu algoritmamızda tanımlı değişkenlerimiz ile optimize ederek aralık değerlerine en yakın değerlere ulaşmaya çalışılacaktır. Bulunan değerlerimiz değişkenlerimizi değiştirerek programa değişkenlerin etkisi araştırılıp değişkenin algoritmamız üzerindeki işleyişi incelenecektir.

PROJEMİZDE KULLANILAN ARAYÜZÜMÜ:

PROGRAMIMIZIN ÇALIŞMA ŞEKLİ:

Arayüzümüzde değişkenlerimiz kullanıcı tarafından girilerek fitness(fonksiyon) değerimiz üzerinde işlemler görmektedir. Görülen işlemler sonucundaki çıktı değerlerimiz listBox’lara yazılarak listBox’lar üzerinden minimum olanı seçilmektedir . Seçilen minimum değerler beklenen aralıklardan çıkarılarak hatamız bulumaktadır. Bulunan sonuçlar kayıt edildikten sonra yeni iterasyon butonu ile textBox’larımız temizlenmekte ve değişkenlerin değiştirilmesi ile değişen sonuçlar gözlenmektedir.

UML(BİRLEŞTİRİLMİŞ MODEL DİLİ) DİAGRAMI

3.DENEYSEL SONUÇLAR

Önceki slaytlarda Matyas Fonksiyonunu tanıttık. Bu bölümde ise Matyas Fonksiyonunun deneysel sonuçlarından bahsedeceğiz. Aşağıda Matyas fonksiyonumuz yazılım ortamında deneyinin örneği gösterilmektedir.

Değişkenlerimizi değiştirerek yaptığımız farklı deneylerden aldığımız sonuçlar yukarıdaki tablomuzda gösterilmektedir. Farklı değerlerle farklı sonuçlar almak olası olarak çalışmaktadır. Programımız her seferinde giriş değerlerinin rastgele(random) aldığından aynı değişken değerleri ile de farklı sonuçlar almak olasıdır.

4.TARTIŞMA ve SONUÇLAR:

Projemizde şuana kadar alınan sonuçlar optimizasyon problemleri fonksiyonlarından en çok kullanılanlarından olan Matyas Fonksiyonu üzerinde çalışmalar yapılmıştır ve istenilen aralıklara ulaşılmaya çalışılmış istenilen aralıklara yakın değerler şuanda alınmaya başlanmıştır. Bu aşamadan sonraki amacımız diğer fonksiyonlarda da istenilen sonuçlara ulaşmaya çalışmaktır. Bunlar üzerindeki çalışmalarımız devam etmektedir ve farklı fonksiyonda da sonuçlara ulaşılmaktadır. Devam eden proje sürecinde fonksiyonlar araştırılmakta ve editör üzerindeki uygulamada denemeler yapılmaktadır.

Proje aşamasında gelinen son nokta optimizasyon gerçekleştirimi yapılmıştır. Çalışmalarda çoğunlukla kullanılan Matyas Fonksiyonunun dışına çıkılarak diğer optimizasyon fonksiyonları üzerinde denemelerle sınanmıştır. Beklenen sonuca göre hatalar hesaplanmıştır. Proje ilerleyen dönemlerde grafiksel yaklaşım üzerinde ve optimizasyonda daha iyi sonuçlar alına bilmesi için dereken çalışmalarla devam edebilir.

5.KAYNAKLAR

• O. Engin, A. Döyen, "Artificial Immune Systems and Applications in Industrial Problems",G.U. Journal of Sciences:71-84, 2004.

• I. Aydın, M. Karaköse, E. Akin, "Negatif Seçim Tabanlı Bulanık Arıza Teşhis Modeli", Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt:24, No:4, s:745-753, 2009.

• A. M. Sakiroglu, "Web Siteleri İçin Yapay Bağışıklık Tabanlı Bir Öneri Sistemi", Selçuk Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, 2005.