AŞIRI – AKIM RÖLELERİN KOORDİNASYON PROBLEMİNDE GELİŞTİRİLMİŞ FİDAN GELİŞİM ALGORİTMASININ UYGULANMASI VE OPTİMİZASYON ALGORİTMALARI İLE KARŞILAŞTIRILMASI

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Van Yüzüncü Yıl Üniversitesi, Fen Bilimleri Enstitüsü, YAPAY ZEKA VE ROBOTİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: ÖZGE ÖZGÜNER ARAS

Danışman: Ebubekir Seyyarer

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Optimizasyon algoritmaları, belirli bir amaç fonksiyonunun minimum veya maksimum değerini bulmayı amaçlayan problemleri çözmede yaygın olarak kullanılmaktadır. Optimizasyon yöntemleri, en iyi alternatifi seçmek için hem matematiksel hem de sezgisel yaklaşımları kullanmaktadır. Bu çalışmada Aşırı Akım Rölelerinin Koordinasyon (Overcurrent Relay Coordination - ORC) problemi ele alınmış ve bu problemin çözümüne yönelik olarak biyolojik büyüme sürecinden esinlenen Fidan Gelişim Algoritması (SGuA) geliştirilmiştir. SGuA, Geliştirilmiş SGuA (ISGuA) versiyonu ile detaylı biçimde analiz edilmiş, özellikle algoritmanın başlangıç popülasyonu üretim yöntemlerinin performansa etkisi araştırılmıştır. Çalışmada 10 farklı başlatma yöntemi değerlendirilmiştir. Uniform dağılım yöntemi 6.9002 saniyelik en düşük toplam ti süresi ile en başarılı sonuçları vermiştir. Uniform dağılımın parametre uzayını homojen örnekleyerek çözüm alanını dengeli taradığı ve algoritmanın yerel minimumlara takılma riskini azalttığı gözlemlenmiştir. Diğer dağılımlar arasında Beta dağılımları belirli bölgelere odaklanarak erken yakınsama sağlarken, Log-normal, Rayleigh, Weibull ve Exponential gibi asimetrik dağılımlar çözüm uzayının bazı bölgelerinde yetersiz örnekleme nedeniyle performansı düşürmüştür. Latin hypercube ve rastgele başlatmalar da Uniform dağılıma kıyasla daha zayıf performans göstermiştir. Geliştirilen ISGuA algoritması, ayrıca Genetik Algoritma (GA), Balina Optimizasyon Algoritması (WOA), Yapay Arı Kolonisi (ABC), Gri Kurt (GWO), Kelebek (BOA) ve Lig Şampiyonluk Algoritması (LCA) gibi yaygın meta sezgisel yöntemlerle karşılaştırılmıştır. ISGuA, en düşük işletme süresine ulaşarak tüm algoritmalar arasında en başarılı yöntem olmuştur. Elde edilen sonuçlar, ISGuA'nın hem başlangıç stratejileri hem de genel optimizasyon performansı açısından üstün olduğunu ve ORC gibi çok kısıtlı problemlerde uygulanabilir, kararlı ve verimli bir çözüm sunduğunu göstermektedir.