Genetik programlama ve mühendislikte uygulamaları
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İnönü Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Genetik Programlama(GP) sembolik ve matematiksel model üretebilen bir evrimsel hesaplama yöntemidir. GP, evrimsel hesaplamanın bir türü olmasının yansıra aynı zamanda makine öğrenmesi uygulamalarında sıklıkla sembolik regresyon problemleri çözümünde kullanılmaktadır. İlk ortaya çıktığı zamandan beri birçok farklı disiplinde görülen modelleme problemlerinin çözümünde başarılı bir şekilde uygulanması sonucunda popüler evrimsel hesaplama yöntemleri arasına girmiştir. Bu tez çalışması kapsamında standart GP ve onun bir varyantı olan Gen İfadesi Programlama(Gene Expression Programming-GEP) yöntemi kullanılarak veri dayalı tahmin modelleri geliştirme ve mühendislik uygulamaları için araştırma çalışmaları gerçekleştirilmiştir. GP yönteminin uygulamada etkililiğini artırmak için veri normalizasyonu, topluluk öğrenme, hibrit model geliştirme ve hiperparametre optimizasyon teknikleri konularında araştırma yapılmıştır. Ayrıca GEP yönteminin kromozom yapısı modifiye edilmiş ve sabit değer belirleme problemine optimal bir çözüm önerilmiştir. Bu modifiye GEP kromozomu popüler metasezgisel optimizasyon yöntemleri ile optimize edilmiş ve böylece bir metasezgisel optimizasyon tabanlı GEP (MetaSezGEP) yaklaşımı geliştirilmiştir. Bu iyileştirmelerin mühendislik uygulamalarına katkıları araştırılmıştır.
Genetic Programming (GP) is an evolutionary computational method that can generate symbolic and mathematical models. In addition to being a type of evolutionary computing, the GP is also frequently used in solving symbolic regression problems in machine learning applications. Since its first appearance, it has become one of the popular evolutionary calculation methods as a result of being successfully applied for solution of modeling problems appeared in many different disciplines. Within the scope of this thesis, research studies have been carried out for development of data driven prediction models and their engineering applications by using the classical GP and its a variant, Gene Expression Programming (GEP). In order to increase the effectiveness of these GP methods in practice, data normalization, ensemble learning, hybrid model development and hyperparameter optimization techniques are studied. In addition, the chromosome structure of the GEP method has been modified and an optimal solution to the constant value determination problem has been proposed. Then, the modified GEP method was combined with popular metaheuristic optimization methods, and thus a metaheuristic optimization based GEP (MetaSezGEP) approach was developed. Contributions of these improvements to some engineering applications have been investigated.
Genetic Programming (GP) is an evolutionary computational method that can generate symbolic and mathematical models. In addition to being a type of evolutionary computing, the GP is also frequently used in solving symbolic regression problems in machine learning applications. Since its first appearance, it has become one of the popular evolutionary calculation methods as a result of being successfully applied for solution of modeling problems appeared in many different disciplines. Within the scope of this thesis, research studies have been carried out for development of data driven prediction models and their engineering applications by using the classical GP and its a variant, Gene Expression Programming (GEP). In order to increase the effectiveness of these GP methods in practice, data normalization, ensemble learning, hybrid model development and hyperparameter optimization techniques are studied. In addition, the chromosome structure of the GEP method has been modified and an optimal solution to the constant value determination problem has been proposed. Then, the modified GEP method was combined with popular metaheuristic optimization methods, and thus a metaheuristic optimization based GEP (MetaSezGEP) approach was developed. Contributions of these improvements to some engineering applications have been investigated.
Açıklama
Anahtar Kelimeler
Elektronik burun, Gen ifadesi regülasyonu, Genetik programlama
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Arı, D. (2023). Genetik programlama ve mühendislikte uygulamaları. Yayınlanmış Doktora Tezi. İnönü Üniversitesi, Malatya.
