Swarm intelligence algorithms for combinatorial optimization: Encoding and decoding strategies

This thesis introduces a new Discrete StarFish Optimization Algorithm (D-SFOA) to solve a complex discrete Symmetric Travelling Salesman Problem (STSP). In the discrete SFOA algorithm, the continuous values of individuals in the population are converted to the discrete version using the random key method. Ten neighbourhood methods used in this study provide diversity to the starfish population, and the 2-opt local search algorithm allows the study to find shorter tours. The performance of D-SFOA is tested on STSP datasets ranging in size from 30 to 1084 from TSPLIB. This thesis also introduces a Modified Choice Function (MCF) to the Discrete Artificial Bee Colony algorithm for adaptive neighbor selection in the symmetric traveling salesman problem. The Metropolis Acceptance Criteria (MAC) are then utilized to provide a chance for more inferior optimal solutions. Discrete versions of the Grey Wolf Optimizer (D-GWO) and Harris Hawk Optimization (D-HHO) algorithms are applied with the same parameters to compare the performance of the proposed algorithms. The algorithm uses descriptive statistics such as average tour, best tour, percentage of deviation of the mean tour, percentage of deviation of the best tour, and execution time to ensure a fair comparison. The Wilcoxon signed-rank test and Ablation test are applied to measure the significant difference in the values of the algorithms and to observe the performance effect of the main components used in the proposed algorithm on tour length and execution time, respectively. The proposed D-SFOA and D-ABC algorithms outperform the other algorithms.

Bu tez, karmaşık bir ayrık Simetrik Gezgin Satıcı Problemi'ni çözmek için yeni bir ayrık Denizyıldızı Optimizasyon Algoritması tanıtmaktadır. Ayrık SFOA algoritmasında, popülasyondaki bireylerin sürekli değerleri rastgele anahtar yöntemi kullanılarak ayrık versiyona dönüştürülür. Bu çalışmada kullanılan on adet komşuluk yöntemi denizyıldızı popülasyonunda çeşitlilik sağlar ve 2-opt yerel arama algoritması çalışmanın daha kısa turlar bulmasını sağlar. D-SFOA'nın performansı TSPLIB'den 30 ile 1084 arasında değişen boyutlarda STSP örneklerinde test edilmiştir. Bu tez ayrıca simetrik gezgin satıcı probleminde uyarlanabilir komşu seçimi için Ayrık Yapay Arı Kolonisi algoritmasına Değiştirilmiş Seçim Fonksiyonu tanıtmaktadır. Daha sonra, daha düşük kaliteli optimal çözümler için bir şans sağlamak amacıyla Metropolis Kabul Kriterleri kullanılır. Önerilen algoritmanın performansını karşılaştırmak için Gri Kurt Optimizasyonu ve Harris Şahini Optimizasyon algoritmalarının ayrık versiyonları aynı parametrelerle uygulanır. Algoritma, adil bir karşılaştırma sağlamak için ortalama tur, en iyi tur, ortalama turun sapma yüzdesi, en iyi turun sapma yüzdesi ve yürütme süresi gibi tanımlayıcı istatistikleri kullanır. Algoritma sonuçlarındaki değerlerde anlamlı farkı ölçmek ve önerilen algoritmada kullanılan ana bileşenlerin tur uzunluğu ve yürütme süresi üzerindeki performans etkisini gözlemlemek için Wilcoxon işaretli rütbe testi ve Ablasyon testi uygulanır. Sonuç olarak önerilen D-ABC ve D-SFOA algoritmaları diğer karşılaştırmalı algoritmalardan daha iyi tur sonuçları verdiği görülmektedir.