META-SEZGİSEL ALGORİTMALARIN DENEYSEL ÇALIŞMALARINDAKİSTANDARTSIZLIKLAR VE ÇÖZÜM ÖNERİLERİ


KAHRAMAN H. T. , ARAS S. , GEDİKLİ E.

INTERNATIONAL ACADEMIC RESEARCH CONGRESS, 30 Ekim - 03 Kasım 2018, ss.1466-1472

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Sayfa Sayıları: ss.1466-1472

Özet

1990’lı yıllara kadar sayıları 10’u bulmayan meta-sezgisel arama algoritmaları üzerine yapılan çalışmaların sayısında son yıllarda büyük bir artış olmuştur. Sadece 2018 yılı içerisinde literatüre kazandırılan meta-sezgisel arama algoritması sayısı 50’den fazladır. Binlerce probleme tatbik edilen bu algoritmaların sayısında yaşanan bu hızlı artış bazı problemleri de beraberinde getirmektedir. Bu problemlerin başında algoritmaların arama performanslarının ve literatürdeki yerlerinin doğru bir şekilde belirlenememesinden kaynaklanan durumlar gelmektedir. Meta-sezgisel arama (MSA) algoritmalarının deneysel çalışmalarının yürütülmesinde benimsenen standart dışı ve keyfi tercihler bu algoritmaların performanslarına ilişkin sunulan bilgilerin çoğu zaman hatalı hatta yanıltıcı olmasına yol açmaktadır. Şöyle ki deneysel çalışma şartları aynı olmayan iki farklı çalışmada test problemleri tüm özellikleriyle aynı olsa bile birbirlerine kıyasla gerçekte başarısız bir algoritmayı daha başarılı gösterecek şekilde sunmak mümkündür. Bunun için en çok takip edilen yol, algoritmalar arası performans karşılaştırmasını “en başarılı çözüm adaylarının ortalama uygunluk değerleri” üzerinden yapmaktır. Bir başka yol, problemin genel çözümüne ait uygunluk değeri olarak bir eşik değer tanımlayıp bu eşik değere ulaşıldığında arama sürecini durdurmaktır. Bunun dışında arama süreci sonlandırma kriteri olarak “uygunluk fonksiyonunu azami çağırma sayısı” yerine doğrudan MSA algoritmasının yaşam döngüsünü referans alan iterasyon sayısını tanımlayıp algoritmalar arasında eşit olmayan durumlar yaratılabilmekte ve algoritmaların gerçek performanslarının ortaya çıkması engellenebilmektedir. Algoritmalar arasında yapılan karşılaştırmalarda sıklıkla yapılan bir başka standart dışı ve hatalı durum da azami iterasyon sayısını ya da “uygunluk fonksiyonu azami işletme sayısını” belirlerken algoritmaların arama performanslarının ortaya çıkmasına fırsat tanımamaktır. Literatürde yer alan güncel ve güçlü algoritmalar yerine birbirinden türemiş benzer ve düşük performanstaki algoritmalarla karşılaştırma yapmak gibi yanıltıcı sonuçlara yol açan uygulamalara başvurulduğu da sıklıkla görülmektedir. Bu çalışmanın amacı, meta-sezgisel algoritmaların arama performanslarının ve literatürdeki yerlerinin objektif ve etkili bir şekilde ortaya çıkarılması için çözüm önerileri sunmaktır. Bu amaçla hatalı ve yanıltıcı bilgilere yol açan durumlara ilişkin detaylı bir araştırma yapılmış ve bu durumları ortadan kaldıracak standartlar tanımlanmıştır.

The number of studies on meta-heuristic search algorithms, which did not reach 10 in the 1990s, has increased significantly in recent years. Only in 2018, the number of meta-heuristic search algorithms introduced into the literature is more than 50. This rapid increase in the number of these algorithms applied to thousands of problems brings with them some problems. At the beginning of these problems, there are situations where the search performance of the algorithms and their place in the literature cannot be determined accurately. Non-standard and arbitrary preferences adopted in the conduct of experimental studies of meta-heuristic search (MSA) algorithms often lead to failing or misleading information on the performance of these algorithms. In two different studies, which are not the same as the experimental study conditions, it is possible to present the test problems in a way that will show a more successful algorithm compared to each other, even if the test problems are the same. The most followed way for this is to make the comparison of the among the algorithm performance over the, average suitability values of the most successful solution candidates. Another way is to define a threshold value as the conformity value for the overall solution of the problem and to stop the search process when that threshold is reached. Furthermore, instead of calling the maximum number of runs for fitness function as the search process termination criterion, it is possible to define the number of iterations that refer directly to the life cycle of the MSA algorithm, thus creating unequal conditions between algorithms and preventing the real performance of the algorithms from occurring. Another non-standard and faulty condition often made in the comparisons between algorithms is to provide the maximum number of iterations, while not allowing the search performances of algorithms to emerge. It is frequently seen that applications that lead to misleading results such as comparing with similar and low performance algorithms instead of current and powerful algorithms in the literature are used. The aim of this study is to provide solution suggestions for objective and effective exploration of meta-heuristic algorithms and their performance in literature. For this purpose, a detailed investigation has been made on the cases that lead to misleading and misleading information and standards have been defined to eliminate these situations.