ELECO 22 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempoyumu, 29 Kasım - Aralık 22, Bursa Armoni Arama Algoritması ile Daha Düşük Dereceden Sistem Modelleme Lower Order System Modelling with Harmony Search Algorithm Bircan KAMIŞLIOĞLU, urhan KARABOĞA Mühendislik Fakültesi Erciyes Üniversitesi bkamislioglu@erciyes.edu.tr, nurhan_k@erciyes.edu.tr Öet Modellemede, sisteme ait parametrelerin önerilen modelle en a hata ile tahmin edilmesi amaçlanır. Sistem model parametrelerin belirlenmesinde segisel yöntemler hılı ve etkili sonuçlar sunabilmektedirler. Bu çalışmada literatürde bulunan beşinci dereceden sayısal bir IIR (sonsu darbe tepkili-infinite Impulse Response) sügeç; üçüncü ve dördüncü dereceden daha düşük IIR sügeçlerle modellenmiştir. Yüksek dereceden bir sistemi daha düşük derecelerden sügeçlerle modellemek için segisel yöntemler içerisinde değerlendirilen ve son amanlarda oldukça popüler olan Armoni Arama (AA- Harmony Search-HS) Algoritması kullanılmıştır. Abstract In modeling, the parameters of the system is intended to estimate the proposed model with minimum error. Heuristic methods can provide fast and effective results to determine the model parameters. In this study a fifth-order digital IIR (Infinite Impulse Response) filter has been modeled with lower IIR filters which is third and fourth order. Harmony Search (Harmony Search HS) algorithm which is one of the quite popüler heuristic methods has been used to model a high order system in the lower order filters.. Giriş Sistem modelleme sistemin sahip olduğu giriş-çıkış verileri yardımıyla matematiksel tanımının elde edilmesidir []. Modellemede en önemli amaç oluşturulan matematik tanımın sistem üerindeki yapılacak diğer çalışmalarda da güvenle kullanılabilmesidir. Modelleme işlemini gerçekleştirebilmek için algoritmalara ihtiyaç duyulmuştur. Segisel algoritmalar, herhangi bir amacı gerçekleştirmek veya hedefe varmak için doğal fenomenlerden esinlenen algoritmalardır. Büyük boyutlu optimiasyon problemlerinde optimuma yakın çöümler verebilen segisel algoritmalar çöüme yakınsama öelliğine sahip olmalarına rağmen kesin çöümü garanti edememekte bu kesin çöümün yakınlarında bir çöüm bulabilmektedirler. Genel amaçlı segisel optimiasyon algoritmaları biyoloji, fiik, sürü, sosyal, müik ve kimya tabanlı olmak üere altı farklı grupta değerlendirilmektedir [2]. Müik tabanlı bir algoritma olan Armoni Arama (AA- Harmony Search-HS) Algoritması, 2 yılında Geem tarafından önerilmiş, müisyenlerin çaldıkları notaları simule eden segisel bir algoritmadır [3]. Segisel yöntemlerle farklı öellikteki sistemlerin, daha düşük dereceden sistemlerle modellenmesi ile ilgili çalışmalar literatürde oldukça faladır. agar ve Singh yaptıkları çalışmada parçacık sürüsü optimiasyonu (PSO- Particle Swarm Optimiation) algoritması kullanarak yüksek mertebeli doğrusal çok değişkenli sistemleri düşük dereceli model yardımıyla ifade etmiştir [4]. Gytman ve arkadaşları yüksek mertebeli sistemleri ikinci dereceden model kullanarak PSO ile modellemişlerdir [5]. Mukherjee ve arkadaşları yaptıkları çalışmalarda, yüksek mertebeli sistemlerin modellenmesinde üçüncü dereceden bir model kullanılmasının sağlayacağı yararları incelemiş ve amanla değişmeyen doğrusal sistemleri indirgenmiş model yardımıyla modellemişlerdir [6,7]. AA algoritması, su dağıtım şebekelerinin optimum tasarımı, taşkın modellemesi, çevresel ekonomik güç dağıtım problemlerinin çöümü, kafes sistemlerin optimum tasarımı, enerji talebi modellemesi ve su dağıtım şebekelerinin optimiasyonunu gibi çeşitli mühendislik problemlerinin çöümüne uygulanmıştır [8-4]. Yüksek dereceli sistemlerin, daha fala hesaplama karmaşası gerektirmesi ve gerçekleştirilmesinde karşılaşılan orluklar sebebiyle düşük dereceden sistemlere göre tasarlanması ordur. Uygulama aşamasında yüksek dereceden sistemler, karmaşık bir yapı gerektirmesinin yanı sıra maliyetli olması sebebiyle de tercih edilmemektedirler [5]. Bu çalışmada, son amanlarda birçok alanda kullanılan Armoni Arama Algoritması kullanılmıştır. Bu algoritma ile beşinci dereceden bir IIR sistemin daha düşük dereceden IIR sügeçlerle modellenmesi uygulaması gerçekleştirilmiştir. Çalışmanın ikinci bölümünde IIR sügeç, üçüncü bölümde Armoni Arama algoritması dördüncü bölümünde sistem modelleme hakkında bilgi verildikten sonra beşinci bölümünde gerçekleştirilen uygulama örneklerle anlatılmıştır. 2. IIR Sügeç Sonsu dürtü tepkisine sahip sügeçler ile sonlu dürtü tepkisine sahip sügeçler arasındaki en temel fark, geri 576
ELECO 22 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempoyumu, 29 Kasım - Aralık 22, Bursa besleme katıdır. IIR sügeçler geri beslemeli yapıda oldukları için dürtü tepkileri sonsu uunluktadır. IIR sügeç için sabit katsayılı doğrusal fark eşitliği Eşitlik ile verilmektedir. y n) a x( n)... a x( n M) b y( n )... b y( n ) () ( m n Eşitlik de a ve b sügeç katsayılarını; x (n), y(n) sırasıyla giriş ve çıkış işaretlerini, ve M sügecin derecesini tanımlamaktadır. Sabit katsayılı doğrusal fark eşitliğinin dönüşümü alındığında, Y() nin X() ye oranı sügecin transfer fonksiyonunu vermektedir. Doğrudan (direct) yapıda gerçekleştirilmiş IIR sügecin transfer fonksiyonu, Eşitlik de a alındığında Eşitlik 2 ile tanımlanmaktadır. Y( ) b b... bm H( ) = (2) X ( ) a... a M Transfer fonksiyonunda pay polinomunun kökleri sügecin sıfırları, payda polinomunun kökleri ise sügecin kutupları olarak adlandırılır. Bir IIR sügecin kararlı olabilmesi için tüm kutuplarının karmaşık dülemde birim daire içerisinde olması gerekir. 3. Armoni Arama Algoritması 2 yılında Geem tarafından önerilen Armoni Arama algoritması, müisyenlerin çaldıkları notaları simule eden segisel bir algoritmadır [3]. Bir orkestradaki müisyenlerin çaldıkları notalar ile armonik açıdan en iyi melodiye ulaşılması prensibine dayanmaktadır. Karar değişkenleri için öel başlangıç çöümü gerektirmemesi, birden fala çöümle optimiasyon işlemini gerçekleştirmesi sebebiyle birçok farklı yönde küresel optimumu arayarak bölgesel optimum çöümlerden kurtulması, optimiasyon işlemlerinde hem sürekli hem de ayrık değişkenler için kullanılması algoritmanın avantajları olarak ortaya çıkmaktadır. Optimiasyon işleminde en iyi çöüm, amaç fonksiyonu küresel çöüme yaklaştıkça elde edilir [3]. Armoni Arama Algoritmasının işlem adımları aşağıdaki gibidir: Adım. Problemin kurulması ve çöüm parametrelerin oluşturulması: İlk adımda, problem Eşitlik 3 de verildiği gibi bir optimiasyon problemi olarak tanımlanmaktadır. min f ( x) xi Xi,2,3,... (3) Burada f (x) minimie edilecek amaç fonksiyonunu, x i karar değişkenlerini, X i her karar değişkeni için kullanılan çöüm uayını, ise toplam karar değişkeni sayısını göstermektedir. Armoni Algoritması tekniğine ait çöüm parametreleri; Armoni belleği kapasitesi (HMS, Harmony Memory Sie), Armoni belleğini dikkate alma oranı (HMCR, Harmony Memory Consideration Rate) ve ton ayarlama oranıdır (PAR, Pitch Adjustment Rate). Adım 2. Armoni hafıasının oluşturulması x x 2... 2 2 x x2.................. HMS HMS x x 2... x f ( x ) 2 x. =. 2 f ( x ).... HMS x f ( x HMS ) İkinci adımda, tanımlanan çöüm uayı içerisinde rastgele üretilmiş karar değişkenleri ile bir armoni belleği oluşturulur (Eşitlik 4 ün sol tarafı). Algoritmada her bir çöüme karşılık gelen amaç fonksiyonu değerleri Eşitlik 4 e göre hesaplanır: Adım 3. Yeni armoni geliştirilmesi HMCR, bir karar değişkeninin değerinin mevcut armoni belleğinden seçilme olasılığını gösterir. (-HMCR), oluşturulan yeni karar değişkeninin mevcut çöüm uayı içerisinden rastgele olarak seçilmesini temsil etmektedir. Seçim işleminin nasıl yapılacağı Eşitlik 5 de verilmiştir. x i 2 3 xi xi, xi, xi,..., xi xi Xi HMS Bu aşamadan sonra, ton ayarlama işleminin gerekli olup olmadığının belirlenmesi için her karar değişkeninin değerlendirilmesi gerçekleştirilmektedir. Bu işlem ise ton ayarlama oranı olan PAR parametresi ile Eşitlik 6 gö önüne alınarak belirlenmektedir. Yeni armoni vektörü x ( x, x 2, x 3,..., x ), armoni belleğinde bulunan ve tamamen rastgele seçilen tonlara göre üretilmektedir. Armoni belleğinde bulunan tonlara göre yeni armoni vektörüne ait ilk karar 2 3 HMS değişkeni x, mevcut armoni belleği ( x, x, x,..., x ) içerisindeki bir değerden rastgele olarak seçilmektedir. Diğer (4) 2 3 karar değişkenlerinin ( x, x,..., x ) seçilmesi de aynı şekilde yapılmaktadır. Değişkenlerin armoni belleğinden seçilip seçilmeyeceğinin belirlenmesi, ile arasında değer alan HMCR oranına göre yapılmaktadır. xi Rnd(;) x xi * i bw Eşitlik 6 da, bw rastgele seçilmiş bant genişliğini; Rnd(;), ile arasında üretilmiş rastgele sayıyı temsil etmektedir. Eşitlikten anlaşılacağı gibi PAR olasılığının gerçekleşmesi durumunda xi karar değişkeni x i Rnd(;) bw ile değiştirilmekte; (-PAR) olması durumunda ise hiçbir şey yapılmamaktadır. Adım 4. Armoni hafıasının güncellenmesi HMCR olasılığı durumu Diğer durum (5) PAR olasılığı durumu Diğer durum (6) Bu adımda yeni oluşturulan armoni x ( x, x 2, x 3,..., x ) ile bellekteki en kötü armoni arasında amaç fonksiyonlarının değerleri bakımından karşılaştırma işlemi yapılmaktadır. Yeni oluşturulan armoni vektörü, en kötü armoniden daha iyi ise en kötü armoni vektörü bellekten çıkarılır ve yeni armoni vektörü onun yerine atanır. 577
genlik ELECO 22 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempoyumu, 29 Kasım - Aralık 22, Bursa Adım 5. Bitirme kriteri kontrolü Bu adımda verilen durma koşulu kontrol edilir. Koşulun sağlanmaması durumunda, Adım 3 ile 5 arasındaki işlemler istenen koşul sağlanıncaya kadar tekrar edilir. Şekil 2 de AA algoritması ile tasarlanan sistemin sıfır kutup gösterimi verilmektedir. Şekilde ikinci derece sistemin tüm kutuplarının birim çember içinde olduğu yani tasarlanan sistemin kararlı olduğu görülmektedir. 4. Sistem Modelleme Sistem modellemede, ya modellenecek olan dinamik sistem ile bu sistemi modelleyecek olan sügecin aynı dereceden olması ya da yüksek dereceli dinamik bir sistemin daha düşük dereceden bir sügeç ile modellenmesi gerçekleştirilir. Şekil de sistem modellemenin blok diyagramı gösterilmektedir. x(n) Şekil 2: AA algoritması ile tasarlanan ikinci dereceden 2. derece.5 Şekil : Sistem modelleme blok diyagramı Şekil de verilen modele göre x(n) sistem girişini, d(n) uygulanan girişe sistemin verdiği cevabı, x ( n) gürültü sinyalini temsil etmektedir. y(n) sügeç çıkışı, e(n) istenen sinyalle sügeç çıkışı arasındaki farktır. Bu fark Armoni Arama algoritması ile sürekli olarak minimie edilmektedir. 5. Armoni Arama ile Sistem Modelleme Uygulaması Armoni Arama algoritması ile sistem modelleme uygulaması üç farklı örnek üerinde gösterilmiştir. Literatürden seçilen 5. dereceden bir sistem Örnek de 2. dereceden, Örnek 2 de 3. dereceden, Örnek 3 de ise den sayısal IIR sügeçle modellenmiştir. Her örnek için algoritma 25 kere koşturulmuş ve elde edilen en iyi değerlere ait grafikler çidirilmiştir. Algoritmanın HMCR, HMS, PAR değerleri ortalama karesel hatayı minimum yapacak şekilde literatürde verilen parametre değerleri test edilerek belirlenmiştir [3]. Parametre değerleri için HMCR=.95, HMS=5, PAR=.6 ve maksimum sayısı olarak alınmıştır. Simulasyonlar, Intel Core 2Duo CPU E74 2.8 GH, GB RAM öelliklerine sahip bilgisayar üerinde gerçekleştirilmiştir. Örnek : Bu çalışmada ilk olarak Eşitlik 7 ile verilen beşinci dereceden sistem, Eşitlik 8 ile verilen ikinci dereceden IIR bir sügeçle tasarlanmıştır. - -2-3 -4-5.84 +.549.837.837 +.549 +.84 D () = - -2-3 -4-5 +.9853.9738.3864 +.2.3 H (7) 2 b b b2 H ( ) (8) 2 a a2 -.5 2 4 6 8 2 Şekil 3: Beşinci dereceden sistemin ikinci dereceden sistemle modellenmesi durumunda elde edilen sonuçlar Şekil 3 de için koşturulan algoritmanın en iyi elde ettiği sonuca ilişkin -2 arasındaki kısmı verilmiştir. Şekil incelendiğinde ikinci dereceden tasarlanan sistemin, beşinci dereceden sistemin cevabına oldukça yaklaştığı görülmektedir. Örnek 2: İkinci olarak aynı sistem, Eşitlik 9 daki gibi üçüncü dereceden IIR bir sügeçle tasarlanmıştır. 2 3 b b b2 b3 H( ) 2 3 a a2 a3 Şekil 4 de AA algoritması ile tasarlanan sistemin sıfır kutup gösterimi verilmektedir. Şekilden, AA algoritması ile kararlı bir sistem elde edildiği görülmektedir. Şekil 4: AA algoritması ile tasarlanan üçüncü dereceden (9) 578
genlik Ortalama karesel hata genlik ELECO 22 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempoyumu, 29 Kasım - Aralık 22, Bursa.5 -.5 2 4 6 8 2 Şekil 5: Beşinci dereceden sistemin üçüncü dereceden sistemle modellenmesi durumunda elde edilen sonuçlar Şekil 5 de sonucu elde edilen grafiğin -2 arasındaki kısmı verilmiştir. Şekil 5 incelendiğinde üçüncü dereceden tasarlanan sistemin, beşinci dereceden sistemin cevabına oldukça yaklaştığı görülmektedir. Örnek 3: Son olarak beşinci dereceden bir sistem Eşitlik ile verilen dördüncü dereceden IIR sügeçle tasarlanmıştır. 2 3 4 b b b2 b3 b4 H ( ) () 2 3 4 a a2 a3 a4 Şekil 6 da Eşitlik 7 ile verilen beşinci dereceden sistemin, dördüncü dereceden bir sügeçle tasarlandığı durumda elde edilen sıfır kutup gösterimi verilmektedir. Şekilden anlaşılacağı gibi tasarlanan sistem kararlıdır. Şekil 6: AA algoritması ile tasarlanan dördüncü dereceden.5 -.5 2 4 6 8 2 Şekil 7: Beşinci dereceden sistemin dördüncü dereceden sistemle modellenmesi durumunda elde edilen sonuçlar Şekil 7 den algoritmanın performansının istenen beşinci dereceden sistem performansına çok yakın olduğu görülmektedir. Şekil 8 de algoritmanın mse (mean square error-ortalama karesel hata) grafiği 2 için verilmiştir. Şekil 8 incelendiğinde den sistemin 3. dereceden sisteme göre daha hılı yakınsadığı görülmektedir. Ayrıca 2. dereceden sistemin daha düşük hata değerlerinden başladığı ve çok daha çabuk yakınsadığı şekilden gölenmektedir..2.8.6.4.2 2. derece 5 5 2 Şekil 8: Modellenen sistemlere ait ortalama karesel hatanın a bağlı değişimi Çielge de gerçek sisteme ait a ve b katsayı değerleriyle modellenen 2., 3. ve sügeçlerin AA algoritması ile bulunan katsayıları verilmiştir. Çielge : Gerçek sistemin ve farklı derecelerden modellenen sügeçlerin katsayıları Katsayılar Sistem 2. derece sügeç sügeç sügeç b.84.2887.822.296 b.549.324.478.486 b 2.837.5439.887.775 b 3.837 -.94.48 b 4.549 - - -.25 b 5.84 - - - a.... a.9853 -.2267.5858.3882 a 2.9738.44.62.4397 a 3.3864 -.99.247 a 4.2 - - -.57 a 5.3 - - - Çielge 2: AA algoritmasıyla elde edilen sonuçlar Örnek İterasyon mse std aman (s) Örnek 5.62.78 4.3.37.6 27.68 Örnek 2 Örnek 3 5.67.666 3.27 5.486e-6.234 26.22 5.27.54 4.6 7.88e-4.257 27.36 Her bir örnek için algoritma 5 ve koşturulmuştur. Elde edilen en iyi değerlere ait mse, std (standart sapma) ve aman değerleri Çielge 2 de verilmektedir. Çielgeden beşinci dereceden sistemin, üçüncü ve dördüncü derecelerden sistemlerle tasarlanması durumunda mse değerinin, ikinci dereceden tasarlanan sisteme göre çok daha düşük olduğu ve sayısı arttıkça mse nin düştüğü görülmektedir. 579
ELECO 22 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempoyumu, 29 Kasım - Aralık 22, Bursa 5. Sonuçlar Karmaşık bir yapı gerektirmesi ve tasarım aşamasında karşılaşılan orluklar sebebiyle yüksek dereceli sistemlerin daha düşük dereceden sistemlerle modellenmesi istenir. Bu çalışmada yüksek dereceden sistemlerin daha düşük dereceden sistemlerle modellenmesi için segisel bir araştırma algoritması olan AA algoritmasının kullanımı önerilmiştir. Önerilen yaklaşımla beşinci dereceden bir sistem; ikinci, üçüncü ve dördüncü dereceden sistemlerle modellenmiştir. Elde edilen sonuçlara göre, sistemin derecesinin artmasıyla standart sapmanın düştüğü ve algoritmanın daha düşük dereceden sistemlerin hepsini yaklaşık aynı sürede tasarladığı görülmüştür. AA algoritmasının başarımı sayısının artmasıyla paralellik göstermiş ve tasarlanan tüm sistemlerin kararlı bir yapıya sahip olduğu gölenmiştir. Böylece, optimal çöümlerin bulunmasında küresel araştırma yeteneğine sahip AA algoritmasının, düşük dereceden sistemlerin modellenmesinde etkili bir şekilde kullanılabileceği gösterilmiştir. [3] Ayva, M.T., Karahan, H. ve Gürarslan, G. Su Dağıtım Şebekelerinin Armoni Araştırması Optimiasyon Tekniği ile Optimum Tasarımı, 5. Kentsel Altyapı Ulusal Sempoyumu, 27. [4] Durmuş B., Gün A. Parameter Identification using Particle Swarm Optimiation 6th International Advanced Technologies Symposium (IATS ), pp.88-92, 6-8 May 2. [5] S. Deepa,., G Sugumaran, A Modified Particle Swarm Optimiation for Lower Order Model Formulation of Linear Time Invariant Continuous Systems, Innovative Computing Technologies (ICICT), pp.-5, 2. 7. Kaynaklar [] Ljung, L., System Identification: Theory for The User, Prentice Hall, 987. [2] Akyol, S. ve Alataş, B., Güncel Sürü Zekası Optimiasyon Algoritmaları, evşehir Üniversitesi Fen Bilimleri Enstitüsü Dergisi, pp. 36-5, 22. [3] Geem, Z.W. ve Kim, J-H, Loganathan, G.V., A ew Heuristic Optimiation Algorithm: Harmony Search, Simulation, Vol. 76, o. 2, pp. 6 68, 2. [4] agar, S. K., ve Singh S. K., An algorithmic aproach for system decomposition and balanced realied model reduction, Journal of Franklin Inst., Vol. 34, pp. 65-63, 24. [5] Gytman P. O., Mannnerfelt C.F., ve Molander P., Contributions to the model reduction problem, IEEE Trans. Automat. Control, Vol. AC-27, o. 2, pp. 454-455, 982. [6] Mukherjee S., Satakshi and Mittal R. C., Model order reduction using response-matching tecnigue, Journal of Franklin Ins., Vol. 342, pp. 53-59, 25. [7] Mukherjee S., Satakshi and Mittal R. C., Linear time invariant system order reduction using multipoint step responce matching, International Journal of systems Science, Vol. 38, o. 3, pp. 2-27, 27. [8] Kim J. H., Geem Z. W., Kim E. S. Parameter Estimation of the onlinear Muskingum Model using Harmony Search, Journal of the American Water Resources Association 37 (5), s. 3-38, 2. [9] Geem Z. W. Optimal Cost Design of Water Distribution etworks Using Harmony Search, Engineering Optimiation 38 (3), s. 259-28, 26. [] Öyön S., Yaşar C. Ve Temurtaş Hasan, Harmoni Arama Algoritmasının Çevresel Ekonomik Güç Dağıtım Problemlerine Uygulanması, Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, C. 26, S. 2, ss. 63-74, Aralık 2. [] Saka M. P., Optimum Design of Steel Sway Frames to BS595 Using Harmony Search Algorithm, J. of Constr. Steel Research 65 (), s. 36-43, 29. [2] Ceylan H., Ceylan H., Haldenbilen S., Baskan O. Transport Energy Modeling with Meta Heuristic Harmony Search Algorithm, an Application to Turkey, Energy Policy 36, s. 2527-2535, 28. 58