Genetik algoritmalarda doğal olmayan seçilimin etkileri
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Bilecik Şeyh Edebali Üniversitesi, LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: ERKAN HÜSEYİN AKPINAR
Danışman: SALİM CEYHAN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Genetik algoritma, çözümünde optimizasyon tekniklerine gerek duyulan problemlerde uzun yıllardır kullanılmakta olan sezgisel algoritmalardan biridir. Evrimsel süreçlerin simüle edilmesine dayanan bu algoritma, birbirinden farklı ideal çözüme ulaşma problemlerinde kullanılmış ve ürettikleri çözümler ile literatüre katkı sağlamıştır. Doğadaki seçilim ve evrimsel süreci temel alan genetik algoritmalar, farklı popülasyon grupları üreterek ideal çözüm kümelerine ulaşmayı hedefler. Genetik biliminde gen transferi ve genom düzenleme konuları son yıllarda popülerliğini arttıran çalışma alanlarındandır. Canlılar arası gen transferi için yeni tekniklerin geliştirilmesi, klasik doğal seçilimden daha farklı seçeneklerin oluşmasının önünü açmıştır. Bu çalışmada canlıların genetik yapısına bir başka canlıdan aktarım gerçekleştirilmesinin genetik algoritmalara uyarlanması ve bu işlemin algoritmanın çalışmasında ne gibi değişikliklere yol açacağının görülmesi hedeflenmiştir. Genetik algoritma uygulamalarının çalışma prensibi, iki bireyden çaprazlama yöntemi ile elde edilen gen parçacıklarının birleştirilmesi sonucunda iki yeni birey üretmektir. Çalışmada çaprazlama sürecine üçüncü bir bireyin dahil olması sonucunda oluşturulacak iki yeni bireyin klasik genetik algoritma süreçlerine devam etmesi temel alınmıştır. Üretilen yeni çaprazlama yönteminin klasik yöntem ile kıyaslanabilmesi amacıyla literatürde yaygın olarak kullanılan Sırt Çantası Problemi tercih edilmiştir. Klasik yöntem ve yeni yöntem başarıya ulaşma oranları ve çözüm üretme hızları bakımından karşılaştırılmış olup, karşılaştırma sonuçları tablo halinde sunulmuştur. Çalışmada elde edilen sonuçlar incelendiğinde önerilen yeni çaprazlama yönteminin klasik yönteme kıyasla başarım oranının daha yüksek olduğu ve sonuca daha erken iterasyonlarda ulaştığı görülmüştür.