This thesis introduces a novel approach combining Particle Filters and the L-BFGS-B
optimization method for solving single-objective numerical optimization problems.
The proposed method intricately marries the stochastic exploration of Particle Filters
with the local optimization prowess of L-BFGS-B to navigate complex landscapes
efficiently. Extensive experimentation on benchmark problems validates the
approach's effectiveness, convergence speed, accuracy, and robustness. This fusion of
methodologies opens new vistas for conquering diverse optimization challenges.
ÖZ :
Bu tez, problemleri sürekli ve ayrık alanlar olarak sınıflandırmakta ve tek amaçlı
sayısal eniyileme problemlerini çözmek için Parçacık Filtreleri ile L-BFGS-B
eniyileme yöntemini birleştiren yeni bir yaklaşım sunmaktadır. Önerilen yöntem,
karmaşık alanlarda verimli bir şekilde gezinmek için Parçacık Filtrelerinin stokastik
keşfi
ile L-BFGS-B'nin yerel eniyileme becerisini karmaşık bir şekilde
birleştirmektedir. Karşılaştırmalı problemler üzerinde yapılan kapsamlı deneyler,
yaklaşımın
etkinliğini,
yakınsama hızını, doğruluğunu ve sağlamlığını
doğrulamaktadır. Metodolojilerin bu birleşimi, çeşitli optimizasyon zorluklarının
üstesinden gelmek için yeni ufuklar açmaktadır.
