Hızlandırıcılara dayalı ışınım kaynakları foton demet hatlarının çok amaçlı evrimsel algoritmalar ile optimizasyonu
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: ADNAN ŞAHİN KARACA
Danışman: GAZİ ERKAN BOSTANCI, DİDEM KETENOĞLU
Özet:Sinkrotron demet hatlarındaki optik elemanlar, deneysel koşullar veya sistem gereksinimlerindeki değişiklikler nedeniyle yeniden hizalanabilmektedir. Bu işlem çoğunlukla manuel yapıldığından günler sürebilmekte ve ciddi zaman kayıplarına neden olmaktadır. Bu nedenle, hizalama süresini azaltmak için optimizasyon tabanlı yazılımsal yaklaşımlar araştırılmaktadır.Bu çalışmada süreci otomatik hale getiren bir optimizasyon sistemi ve demet hattı davranışlarını öğrenen bir yapay sinir ağı sistemi geliştirilmiştir. Çalışmanın ilk bölümünde amaç karakteristiklerini ortaya koymak adına, tek amaçlı optimizasyon algoritmaları GA, ABC, PSO ve çok amaçlı NSGA-II algoritması tek amaç modunda kullanılmış ve PSO algoritmasının en iyi sonuç verdiği gözlemlenmiştir. İkinci bölümde iki amaç birden optimize edilmek istendiğinden çok amaçlı MOPSO, NSGA-II, NSGA-III ve MOEA/d algoritmaları kullanılmıştır. Bu algoritmaların sonuçları performans göstergeleri S, HV ve IGD ile kıyaslanmıştır. Bu bölümde MOPSO algoritması en iyi sonucu vermiştir. Literatürde geniş yer bulamayan sürü zekası algoritmalarının önemi ilk iki bölümde ortaya konmuştur. Çalışmalar sırasında optimizasyon sürecinde yaşanan kopmalara karşı bir yöntem araştırılmış ancak literatürde fazla bir çalışmaya rastlanmamıştır. Bu sebeple çalışmanın üçüncü bölümünde GAN, VAE, cGAN, cVAE, LSGAN, cLSGAN, WGAN-GP ve cWGAN-GP çekişmeli üretici sinir ağları kullanılmış ve veri kümesi yapısı öğrenilerek yeniden oluşturulmuştur. Bu algoritmalardan cGAN, WGAN-GP, cWGAN-GP ve cLSGAN gerçek simülasyon verilerine en yakın sonuçları üretmiştir. Belirli koşullar altında bu yöntemin daha verimli olduğu tespit edilmiştir.