GİRİŞ
1.1. Temel Kavramlar ve Tammlar 1
1.2. Optimizasyon Problemlerinin Smıflandıniması 5
1.3. Optimizasyon Metodlarmm Smıflandınlması 6
1.4. Sezgisel Algoritmalar 15
1.4.1. Sezgisel Algoritmalara Gerek Duyulmasınm Sebepleri 15
1.4.2. Sezgisel Algoritmalarm Değerlendirilmesi İçin Kriterler 16
1.5. Bölgesel Araştırma İniş Metotları 17
Kaynaklar 19
BÖLÜM 2: ISIL İŞLEM ALGORİTMASI
2.1. Doğal Isıl İşlem 21
2.1.1. Temel Prensipler 1 21
2.1.2. İsıl İşlem Yöntemleri 22
2.1.3. Metallerin İdeal Yapısı 23
2.1.4. Metallerin Gerçek Yapısı 23
2.1.5. Faz Dönüşümleri 27
2.2. Yapay Isıl İşlem Algoritması 27
2.3. Probleme Özel Seçenekler 29
2.4. Algoritmanın Kendisine Ait Genel Seçenekler 29
2.4.1. Teorik Soğutma Tarifeleri 30
2.4.2. Basit Soğutma Stratejileri 30
2.4.2.1. Basamak Tipli Sıcaklık Düşürme Stratejisi 31
2.4.2.2. Sürekli Sıcaklık Düşürme Stratejileri 32
2.4.2.3. Monoton Olmayan Sıcaklık Azaltma Stratejileri 34
2.4.3. İsıl İşlem Algoritmasının Temel Adımları 36
2.4.4. Tasarım Parametreleri ve Uygulamaları 37
2.5. Dizi Elemanlarının Genliklerini Belirlemek Suretiyle İstenilen Açılarda
Sıfırlara Sahip Lineer Anten Dizi Tasarımı 38
2.5.1. Formülasyon 39
2.5.2. Nümerik Sonuçlar 40
Kaynaklar 45
BÖLÜM 3: TABU ARAŞTIRMA ALGORİTMASI
3.1. Giriş 47
3.2. Tabu Araştırma Hafızası 49
3.3. Yakınlık Tabanlı Hafıza Fonksiyonu 50
3.4. Sıklık Tabanlı Hafıza Fonksiyonu 50
3.5. Tabu Araştırma Stratejileri 51
3.5.1. Yasaklama Stratejisi -51
3.5.2. Aspirasyon Kriteri ve Tabu Smırlama 53
3.5.3. Orta ve Uzun Dönem Öğrenme Stratejileri 54
3.5.4. Serbest Bırakma Stratejisi 54
3.5.5. Kısa Dönem Hafıza Stratejisi 54
3.6. Tabu Araştırma Algoritması Kullanılarak Baraj Göl Kotu Kontrolü
İçin Bulanık Mantık Denetleyici Tasarımı 58
3.6.1. Baraj Göl Kotunun Bulanık Mantık Denetleyici (BMD)
Kullanılarak Kontrolü .I" 59
3.6.2. Üyelik Fonksiyonlarının Optimizasyonu .61
3.6.3. Tabu Araştırmanın Kontrol Parametreleri ve Maliyet Fonksiyonu 64
3.6.4. Tabu Araştırmaya Dayalı Yöntemin Klasik
Yöntemlerle Karşılaştırılması 67
Kaynaklar
BÖLÜM 4: GENETİK ALGORİTMA
4.1. Evrimsel Hesaplama 73
4.2. Genetik Algoritma 75
4.2.1. Basit Bir Genetik Algoritmanın Yapısı 76
4.2.1.1. Temsil (Gösterim) Mekanizması 76
4.2.1.2. Başlangıç Popülasyonunun Oluşturulması 77
4.2.1.3. Uygunluk veya Kalite (Nitelik) Değerlendirilmesi 77
4.2.1.4. Genetik Operatörler 77
4.2.1.5. Tekrar Üreme Operatörü
4.2.1.6. Çaprazlama Operatörü 79
4.2.1.7. Mutasyon Operatörü 79
4.2.1.8. Yaygın Olarak Kullanılan Diğer Operatörler 80
4.2.1.9. Kontrol Parametreleri 82
4.2.2. Şema (Schema) Teoremi 83
4.2.3. Standart Genetik Algoritma ve Diğer Modeller 84
4.2.4. Genetik Algoritma Uygulamaları 86
4.2.5. Kontrol Parametreleri ile İlgili Çalışmalar 87
4.2.6. Mutasyon Oranlarını Adaptif Olarak Değiştirmek İçin Stratejiler 89
4.3. Genetik Algoritma Kullanılarak Ders Programının Optimum Olarak Düzenlenmesi ^^
4.3.1. Genetik Algoritmanın Probleme Uygulanması 99
4.3.2. Sonuçlar 102
Kaynaklar
BÖLÜM 5: KARINCA KOLONİ ALGORİTMASI
5.1. Gerçek Karınca Kolonisinin Davranışı 109
5.2. Karınca Koloni Algoritması (Ant Colony Algorithm-ACA) 112
5.3. Karınca Yoğunluk ve Karınca Miktar Algoritmaları 115
5.4. Karınca Çevrim Algoritması 117
5.5. Nümerik Problemler îçin Karınca Koloni Algoritmaları 119
5.6. Karınca Koloni Algoritması Kullanarak Sayısal Filtre Tasarımı 121
5.6.1. Sayısal Filtrelerde Kuvantalama Hataları 123
5.6.2. Filtre Katsayılarının Kuvantalanması 123
5.6.3. Sabit Noktalı Sayılar 124
5.6.4. Çözümlerin Dizi Formunda Gösterimi 125
5.6.5. Çözümlerin Kalite Değerlerinin Belirlenmesi 126
Kaynaklar 133
BÖLÜM 6: YAPAY BAĞIŞIKLIK ALGORİTMASI
6.1. Giriş 135
6.2. Bağışıklık Sisteminin Anatomisi 139
6.2.1. Lenfoit Organlar ve Temel Fonksiyonları 139
6.2.2. Bağışıklık Hücreleri 139
6.3. Bağışıklık Sisteminin Vücudu Koruması 141
6.3.1. Bağışıklık Sistemin Birinci ve İkinci Cevapları 143
6.3.2. Antikor (Antibody) Molekülü 144
6.3.3. immünolojik ÖzA'abancı (Self/Nonself) Ayırımı 145
6.3.4. Klonal Seçme Prensibi 146
6.3.5. Somatik Hipermutasyon 148
6.3.6. Bağışıklık Ağı (Network) Teorisi 149
6.4. Klonal Seçme (Clonal Selection-CS) Algoritması 150
6.5. Bağışıklık Ağı ve Sinirsel Ağın Karşılaştırılması 151
6.6. Bağışıklık Algoritması Kullanarak Nümerik Fonksiyon Optimizasyonu 151
6.6.1. Kullanılan Bağışıklık Algoritmasının Temel Adımlan 152
6.6.2. Benzetişim Neticeleri 154
Kaynaklar 159
BÖLÜM 7: DEFERANSİYEL GELİŞİM ALGORİTMASI
7.1. Giriş 161
7.2. Algoritmanın Temel Adımları 163
7.2.1. Kodlama 165
7.2.2. Popülasyon Yapısı ve Parametre Sınırları 166
7.2.3. Mutasyon 166
7.2.4. Seleksiyon 167
7.2.5. Rekombinasyon 167
7.3. Diferansiyel Gelişim Algoritmasıyla Genetik Algoritmaların Karşılaştırılması .. 168
7.4. Sayısal Filtre Tasarımı 170
7.4.1. Sonlu Darbe Cevaplı Sayısal Filtreler 172
7.4.2. Filtre Tasarımında Kullanılabilecek Hata Fonksiyonları 173
7.4.3. Benzetim Sonuçları 174
Kaynaklar 178
BÖLÜM 8: PARÇACIK SÜRÜ OPTİMİZASYONU
8.1. Tam (Full)PSO Modeli 182
8.2. Sosyal Ağ Yapılan 188
8.3. Temel PSO Çeşitleri 189
8.4. PSO Uygulamaları 193
8.4.1. Kaynaklanmış Kiriş (Welded Beam) Tasarım Problemi 193
8.4.2. Basınç Tankı (Pressure Vessel) Tasarım Problemi 194
8.4.3. Yay (Tension/Compression Spring) Tasarım Problemi 195
8.4.4. Test Sonuçları 196
Kaynaklar 197
BÖLÜM 9: YAPAY ARI KOLONİ ALGORİTMASI
9.1. Gerçek Arıların Yiyecek Arama Davranışları 201
9.2. Yapay Arı Koloni Algoritması 206
9.2.1. Başlangıç Yiyecek Kaynağı Bölgelerinin Üretilmesi 207
9.2.2. İşçi Arıların Yiyecek Kaynağı Bölgelerine Gönderilmesi 207
9.2.3. Gözcü Arıların Seleksiyonda Kullanacakları Olasılık
Değerlerinin Hesaplanması (Dans Benzetimi) 209
9.2.4. Gözcü Arıların Yiyecek Kaynağı Bölgelerini Seçmeleri 209
9.2.5. Tükenen Kaynağı Bırakma ve Kaşif Arı Üretimi 210
9.3. ABC Algoritmasının Adımları ve Özellikleri 210
9.4. PID Kontrolör Tasarımı 213
9.4.1. Geçici-Durum Cevabı 215
9.4.2. PID Kontrolör 215
9.5. ABC ile PID Parametrelerinin En İyilenmesi 218
Kaynaklar 222
SON SÖZ 223
DİZİN 227.