DIFFERENTIAL EVOLUTION ALGORITHM
AMP-HTML Validation Issues and Fixes ------------------------------------- PASS
There are several techniques developed for solving nonlinear optimization problems. These problems
become more difficult related to the number of variables and types of parameters. Solution of these
problems with deterministic methods may include difficulties in both modeling and solving depending on
the type of the problem. Heuristics are developed in order to overcome these difficulties. Differential
evolutionary algorithm (DEA) related to genetic algorithm concerning process and operators, is an
efficient population based heuristic optimization technique especially for problems of continuous
variables. In this paper, DEA is presented and its operators are detailed. DEA is applied to a problem
obtained from literature and results are compared with genetic algorithm.
AMP-HTML Validation Issues and Fixes ------------------------------------- PASS
Doğrusal olmayan problemlerin çözümüne yönelik olarak geliştirilmişbir çok teknik söz konusudur.
Özellikle değişken sayısına ve veri tiplerine bağlı olarak problemlerin zorluk dereceleri de
artabilmektedir. Bu tip problemlerin deterministik yöntemlerle çözümü, problemin yapısına bağlı olarak
hem modellemede hem de çözüm sürecinde zorluklar içerebilmektedir. Bunların üstesinden gelebilmek
için sezgisel yöntemler geliştirilmiştir. Diferansiyel gelişim algoritması (DGA), özellikle sürekli verilerin
söz konusu olduğu problemlerde etkin sonuçlar verebilen, işleyişve operatörleri itibariyle genetik
algoritmaya dayanan populasyon temelli sezgisel optimizasyon tekniklerinden biridir. Bu çalışmada,
diferansiyel gelişim algoritması tanıtılmışve aşamaları anlatılmıştır. Çalışmanın sonunda, DGA
literatürden alınmışbir probleme uygulanmış, sonuçlar genetik algoritma sonuçları ile karşılaştırılmıştır.
AMP-HTML Validation Issues and Fixes ------------------------------------- PASS
FULL TEXT (PDF):
