BEHAVIORAL ANALYSIS OF PROMINENT METAHEURISTIC ALGORITHMS

BEHAVIORAL ANALYSIS OF PROMINENT METAHEURISTIC ALGORITHMS. Masters thesis, King Fahd University of Petroleum and Minerals.

[img] PDF
MS_Thesis_Final_BEHAVIORAL ANALYSIS OF PROMINENT METAHEURISTIC ALGORITHMS-signed.pdf - Accepted Version
Restricted to Repository staff only until 29 November 2022.

Download (23MB)

Arabic Abstract

لمسائل الاستمثال الرياضية العديد من التطبيقات في مجالات الهندسة والعلوم. الأدلة العليا هي فئة من الخوارزميات تم تطويرها لحل مسائل الاستمثال الرياضية الصعبة التي لا يمكن حلها بالطرق الاعتيادية. من المشاكل العامة في هذا المجال هي العدد الهائل من الأدلة العليا والتشابه الكبير فيما بينها مما يجعل اختيار الخوارزمية المناسبة قرارًا صعبًا. إضافة إلى ذلك يفتقر المجال الي الدراسات التحليلية لشرح السلوكيات المختلفة للخوارزميات. في هذا العمل بدأنا أولا بإيجاد الأدلة العليا المختلفة اختلافا جوهريا وأطلقنا عليها اسم "الأدلة العليا الأساسية". بعد ذلك قمنا بتحليل كيف تقوم كل واحدة من هذه الخوارزميات المختارة (الخوارزميات الجينية، خوارزمية استمثال عناصر السرب، وخوارزمية التطور التفاضلي) بالاستمثال بطرق مختلفة وتطوير فرضيات حول سلوكهم. لاختبار هذه الفرضيات، تم استخدام ثلاث مقاييس خاصة وستة عشر دالة رياضية. في الخوارزميات الجينية، نجحنا في التحقق من كيفية عملها تجريبيا. بالنسبة لخوارزمية التطور التفاضلي، اختبرنا فرضيتنا واستطعنا ايضا من شرح وفهم سلوك الخوارزمية . أخيرًا، في خوارزمية استمثال عناصر السرب، لم نتمكن من التحقق من فرضيتنا في فهم الخوارزمية

English Abstract

Optimization problems exist in many fields such as engineering, science, and business. Metaheuristics are a class of algorithms developed to solve hard optimization problems that cannot be solved with exact methods. A general issue in this field is that there exists a large number of metaheuristics which makes the decision of selecting the appropriate one for a given problem a difficult decision. Another issue is with regard to the lack of work in explaining how these metaheuristics work differently. Many of these metaheuristics seem different at first glance, however, they use the same underlying technique. In this work, we developed an evaluation framework for metaheuristics to identify metaheuristics that are fundamentally different in the sense that they use distinct techniques. We refer to these distinct metaheuristics as the prominent ones. We were able to identify Genetic Algorithm, Particle Swarm Optimization, and Differential Evolution as prominent metaheuristics. We analyzed these metaheuristics to understand how they solve optimization problems differently. We developed hypotheses about their behavior and tested these hypotheses using three different metrics across sixteen different functions. Through our experiment, we empirically verified our hypothesis on how the Genetic Algorithm works. In addition, we have also verified our hypothesis on how Differential Evolution works. In Particle Swarm Optimization, we studied the behavior of the population on forming groups over iterations, however, our proposed hypothesis was not accepted.

Item Type: Thesis (Masters)
Subjects: Computer
Department: College of Computing and Mathematics > Information and Computer Science
Committee Advisor: Ahmed, Moataz
Committee Members: Almuhammadi, Sultan and Ahmed, Moataz and Alkhatib, Wasfi
Depositing User: MOHAMED ALANQURI (g201138350)
Date Deposited: 30 Nov 2021 12:23
Last Modified: 30 Nov 2021 12:23
URI: https://eprints.kfupm.edu.sa/id/eprint/141977