Yazışmaların yapılacağı yazar: Bilal alataş. balatas
Yüklə 249,48 Kb. Pdf görüntüsü
|
- Bu səhifədəki naviqasiya:
- Kırlangıç Sürüsü Optimizasyon Algoritması
- Karga Arama Algoritması
- Tablo 2.
- Başla Problem parametrelerini ayarla
- Başlangıç pozisyon ve karga hafızalarını üret Son Evet Hayır
- Yeni pozisyonların uygunluklarını hesapla Hafızayı güncelle Sonlandırma kriteri
137 Sürü zekâsında yeni bir yaklaşım: Kuş sürüsü algoritması YB_Av:
Bu gıda eğilimi temel biyolojik bir davranıştır. Genellikle balık görme ve hissetme duyusu ile hareket belirlemek için, su gıda yoğunlaşmasını algılar ve sonra eğilimi seçer.
YB_Sürü:
Sürü davranışı bir balığın sürünün merkezine doğru giden ve aşırı kalabalıktan kaçan bir davranıştır. Güncel durumdaki bir YB’ye eşlik eden arkadaşının numarasını ve onun
bugünkü komşuluk()’ta merkezi konumunu arar. Eğer balık kolonisinin merkezindeyse yeterli yiyecek vardır ve çok kalabalık değildir anlamına gelmektedir. Balık koloninin varlığını garanti etmek ve tehlikelerden kaçmak için bir tür yaşam alışkanlığı olan hareketli süreçte doğal bir biçimde gruplar halinde toplanacaktır.
YB_Hareket: Balık suda rastgele yüzer. Aslında daha büyük aralıklarda yiyecek ya da eşlik edecek arkadaş arar.
YB_Atlama: Objektif değerlerdeki farklılık bazı iterasyonlarda daha küçük olmakta ve böylece yerel ekstremum noktasına düşmektedir. Parametrelerdeki rastgele değişiklik dışarı sızan mevcut değişiklik durumunu bildirmektedir.
YBSA sürecinde arama davranışı YB’nin temelini oluşturmaktadır. Davranış seçimi algoritmanın kararlılığını ve
yüksek verimliliğini garanti eder. Davranış seçim yoluyla YBSA yüksek verimlilik ile optimizasyon stratejisi oluşturabilmektedir. YBSA’nın sözde kodları Tablo 1’de gösterilmiştir.
Kırlangıç Sürüsü Optimizasyonu (KSO) sürü zekâsına dayalı yeni bir algoritmadır. Bu optimizasyon yöntemi kırlangıç sürüsünün hareketlerini ve davranışlarını inceleyen yeni bir optimizasyon yöntemidir. Bu yöntemde parçacıkların 3 tipi vardır. Bunlar; kâşif parçacıklar, amaçsız parçacıklar ve lider parçacıklardır. Her parçacığın kişisel bir özelliği vardır ama bunların ortak özelliği, uçan bir merkezi kolonisinin olmasıdır. Her parçacık sürekli olarak adaptif bir yarıçap ile çevreyi araştırarak akıllı bir davranış sergilemektedir. Komşu parçacıkların durumları genel lider ve lokal lider olarak kabul edilmekte ve daha sonra bir hamle yapılmaktadır (Mehdi vd., 2012).
KSO
algoritmasıyla yüksek
verimlilik kanıtlanmıştır. Bu yüksek verimlilik; düz alanlarda hızlı hareketi (bu alanlarda gıda bulunmadığı için türev sıfıra eşittir), elde kalmış lokal ekstremum noktaları, yüksek yakınsama hızını ve parçacıkların farklı gruplar içindeki akıllı katılımını sağlamaktadır (Mehdi vd., 2012).
Bu parçacıklar birbirlerine paralel olarak hareket eder ve her zaman etkileşim halindedirler. Kolonideki her parçacık (her koloni alt kolonilerden oluşmaktadır) bir şeyler yaparak ve deneyerek daha iyi bir duruma doğru kolonileri yönlendirmeden sorumludur.
Kırlangıç hareketlerinin yüksek hız ve yüksek dinamikte gerçekleşmesi nedeniyle alt koloniler arasındaki gerçek sınırlar asla işaretlenemez. Kırlangıçların diyagramı ve sayıları alt koloni büyüklüklerine göre değişir.
Bu parçacıkların tümü sürekli birbirleriyle etkileşim halindedir ve her parçacık bu üç rolden birini üstlenir. Arama süresi sırasında bu parçacıklar sık sık rollerini değişebilir ama öncelikli hedef optimum noktayı bulmaktır (Mehdi vd., 2012).
138 E. Varol, B. Alataş
Kargalar en zeki hayvanların başında gelmektedir. Yüzleri hatırlayabilmekte, araç kullanabilmekte, diğer kargalarla iletişe geçebilmekte, mevsimlerde yiyecek bulup saklayabilmektedir. Daha iyi yiyecek kaynağını bulabilmek için birbirlerini takip ederler. Karga Arama Algoritması (KAA) da kargaların bir sürü şeklindeki yaşamları, saklandıkları yerleri hatırlayabilme kabiliyetleri, yiyecek bulmadaki birbirlerini takip etmeleri ve gizlendikleri yerleri koruma davranışları göz önüne alınarak Askarzadeh tarafından 2016’da önerilmiştir (Askarzadeh, 2016). Bu açıklamalara bağlı olarak kargaların davranışı ve popülasyon tabanlı metasezgisel algoritma arasındaki Tablo 2’de
gösterilmiştir. Algoritmanın akış diyagramı ise Şekil 2’de gösterilmiştir (Askarzadeh, 2016; Akyol ve Alatas, 2016).
arasındaki benzerlik Kargalar Metasezgisel Optimizasyon Kargalar Arama ajanları Çevre Arama Uzayı Çevrenin her pozisyonu Uygun çözümler Yiyecek kaynağının kalitesi Amaç fonksiyonu Çevrenin en iyi yiyecek kaynağı Global çözüm
Kuş
Sürüsü Algoritması (KSA) kuş
sürülerindeki sosyal davranış ve sosyal etkileşim temelli sürü zekâsı optimizasyon algoritmalarının en yenilerindendir Kuşların çoğunlukla üç davranış biçimi vardır. Bunlar beslenme davranış biçimi, uyanıklık davranışı ve uçma davranışıdır. Kuşlar yiyecek arayabilir ve hayatta kalma şansını artırabilmek için sosyal etkileşimler aracılığıyla avcılardan kaçabilmektedirler. Böyle sosyal davranışları modelleyerek, sosyal etkileşimler ve ilişkili sürü zekâsı, beş temel kural ile dört arama stratejisi KSA’da formüle edilmiştir (Meng vd., 2016).
- karar değişkenleri - sınırlayıcılar
- Sürü boyutu (N) - maksimum iterasyon sayısı (maksiter) - uçuş uzunluğu (uu) - farkındalık olasılığı (FA) Başlangıç pozisyon ve karga hafızalarını üret Son Evet Hayır Uygunluk fonksiyon değerlerini hesapla Yeni pozisyonlar üret ve fizibiliteyi test et Yeni pozisyonların uygunluklarını hesapla Hafızayı güncelle Sonlandırma kriteri
yaşamaktadır. Toplu bir şekilde sürüde uçabilmekte, yiyecek arayışında bulunabilmekte ve konaklayabilmektedirler (Anderson, 2006). Böyle davranışlar ayrılık, hizalama, uyum gibi basit kurallardan kaynaklanan acil davranışlar olarak kabul edilmektedir. En basit sosyal etkileşim yoluyla sürü davranışlarında kompleks hareketler ve etkileşimler geliştirilebilmektedir. Sürüde yiyecek arayan kuşlar kendi hisleriyle yola çıkarak daha fazla bilgi toplayabilmekte ve hayatta kalma şansına sahip olup, iyi ve verimli besin arayışında bulunabilmektedirler. Eğer bir kuş farklı yiyecek yolları bulursa diğerleri onlardan beslenir (Kennedy vd., 2001). Besin ararken kuşlar genellikle avlanma tehdidine karşı bir araya toplanmaktadırlar (Krause ve Ruxton, 2002). Sık sık kafalarını kaldırarak çevrelerini taramaktadırlar. Böyle davranışlar uyanıklık davranışı olarak (Anderson, 2006) yorumlanmakta ve tespit eden avcılar için elverişli olabilmektedir (Lima ve Dill, 1990). Çalışmalar kuşların rastgele bir şekilde yiyecek arama ve uyanık kalma arasındaki seçimi göstermektedir (Bednekoff ve Lima, 1998). Yırtıcı bir hayvan tespit ettiklerinde kuşlar
Yüklə 249,48 Kb. Dostları ilə paylaş:
|