Akademik Veri Yönetim Sistemi
EMO Bilimsel Dergi, cilt.11, sa.21, ss.71-79, 2021 (Hakemli Dergi)
Bu makalede atom arama optimizasyonu (ASO) ve benzetilmiş tavlama (SA) algoritmalarının hibritleştirilmesiyle geliştirilen ve iASO olarak isimlendirilen yeni bir hibrit algoritma ele alınmaktadır. SA tekniğinin kullanımı ile ASO algoritmasının arama yeteneği güçlendirilmiştir. Önerilen hibrit algoritmanın doğrusal olmayan sistemleri optimize etmedeki yeteneğini gözlemlemek üzere çok katmanlı algılayıcıyı (MLP) eğiticisi olarak kullanılmıştır. Iris, Balloon, XOR, Breast Cancer ve Heart olmak üzere çeşitli veri kümeleri kullanılmış ve elde edilen sonuçlar orijinal ASO, sinüs kosinüs algoritması (SCA), parçacık sürüsü optimizasyonu (PSO), karınca kolonisi optimizasyonu (ACO) ve gri kurt optimizasyonu (GWO) gibi rekabetçi algoritmalar kullanılarak oluşturulmuş diğer MLP eğiticileri ile karşılaştırılmıştır. Sonuçlar, önerilen yaklaşımla daha düşük ortalama kare hatasının (MSE) ortalama ve standart sapmasının elde edildiğini göstermiş ve dolayısıyla daha iyi performansının olduğunu açıkça göstermiştir.