15th International Scientific Research Congress, Ankara, Turkey, 18 December 2022, (Summary Text)
Meta-sezgisel algoritmalar, optimizasyon ve öznitelik seçimi problemlerinin çözümünde sıklıkla
tercih edilen algoritmalardandır. Meta-sezgisellerle optimizasyon problemlerinin çözümünde bazı
durumlarda yerel minimumlara tuzaklanma, hızlı yakınsayamama gibi problemlerle karşılaşılabilir.
Literatürde böyle durumların önüne geçebilmek ve algoritmaların performansını iyileştirebilmek için
kullanılan çeşitli yöntemler bulunmaktadır. Karşıtlık Tabanlı Öğrenme (Opposition-Based Learning -
OBL) bu yöntemlerden biridir. Bu çalışmada Orman Optimizasyonu Algoritmasına (Forest
Optimization Algorithm - FOA) OBL yöntemi entegre edilmiştir ve OBL yönteminin FOA'nın
performansını nasıl etkilediği araştırılmıştır. Geliştirilen algoritma Karşıtlık Tabanlı Orman
Optimizasyonu Algoritması (Opposition-Based Forest Optimization Algorithm - OFOA) olarak
isimlendirilmiştir. Yapılan deneysel testlerde iki algoritmanın ortalama, en iyi, en kötü uygunluk
değerleri ve standart sapmaları kıyaslama fonksiyonları üzerinde karşılaştırılmıştır. FOA kullanılan bir
çok fonksiyonda yerel minimumlara tuzaklanma eğilimi göstermiştir. Elde edilen deneysel sonuçlara
göre OBL yöntemi, FOA’nın yerel minimumlara tuzaklanma eğilimini azaltabilmektedir ve
performansını artırabilmektedir. Öznitelik seçimi, optimizasyon teknikleriyle çözülebilen
problemlerdendir. Öznitelik seçiminde amaç, bir veri setindeki sınıflandırmaya etkisi olmayan gereksiz
ve alakasız özniteliklerin belirlenmesi ve veri setinden kaldırılmasıdır. Veri setindeki öznitelik sayısı
azaltılırken sınıflandırma doğruluğunun yüksek olması beklenir. Önerilen algoritmanın öznitelik seçimi
problemindeki performansını değerlendirmek için algoritmanın ikili versiyonu hazırlanmıştır. Bu
versiyon İkili Karşıtlık Tabanlı Orman Optimizasyonu Algoritması (Binary Opposition-Based Forest
Optimization Algorithm) (B-OFOA) olarak adlandırılmıştır. B-OFOA’nın performansı (sınıflandırma
doğruluk değeri ve seçilen öznitelik sayısı) çeşitli veri setleri üzerinde değerlendirilmiştir. Elde edilen
sonuçlar literatürdeki birkaç algoritma ile karşılaştırılmıştır. Veri setlerinin çoğunda B-OFOA diğer
algoritmalara göre daha iyi sonuçlar vermektedir.