🦅 Sürü Zekası Nedir?
Doğada bulunan hayvan ve böcek sürülerinin davranışları uzun yıllardır insanların dikkatini çekmiştir. Kuş sürülerinin farklı şekiller alarak havada süzülmesi, karıncaların yiyecek ararken izledikleri yol, balık sürülerinin beraberce yüzmesi bu sürü davranışlarından sadece birkaçıdır.
Sürü Zekası: Bazen tek başlarına hiçbir iş yapamayan varlıklar, toplu hareket ettiklerinde çok zekice davranışlar sergileyebilmektedir. Bir topluluğa ait bireyler, en iyi bireyin davranışından ya da diğer bireylerin davranışlarından ve kendi deneyimlerinden yararlanarak yorum yapmakta ve bu bilgileri ileride karşılaşacakları problemlerin çözümleri için araç olarak kullanmaktadırlar.
🔑 Sürü Sistemlerinin Özellikleri
- Dağınık Yapı: Birbirleriyle etkileşen dağınık yapılı bireyler yığını
- Ortak Amaç: N adet temsilci bir amaca yönelik davranışı gerçekleştirmek için birlikte çalışır
- Basit Kurallar: Temsilciler faaliyetlerini idare etmek için basit bireysel kurallar kullanır
- Kendini Örgütleme: Grup faaliyetlerinin toplamından bir çeşit kendini örgütleme doğar
🌟 Popüler Sürü Zekası Algoritmaları
- Parçacık Sürü Optimizasyonu (PSO)
- Karınca Kolonisi Optimizasyonu
- Yapay Arı Kolonisi Algoritması
- Yapay Balık Sürüsü Algoritması
- Bakteriyel Besin Arama Optimizasyonu
- Kurt Kolonisi Algoritması
🎯 Parçacık Sürü Optimizasyonu (PSO)
Parçacık sürü optimizasyonu, kuş ve balık sürülerinden esinlenerek geliştirilmiş populasyon tabanlı arama ve optimizasyon algoritmasıdır. İlk olarak Kennedy ve Eberhart tarafından 1995 yılında ortaya atılmıştır.
PSO'nun Avantajları:
- Fazla hafıza gerektirmez
- Hesapsal olarak etkili
- Uygulanması kolay
- Hızlı yakınsama özelliği
- Az parametre gerektirir
- Etkili global arama algoritması
🔬 PSO'nun Temel Mantığı
PSO, parçacıklar arasındaki sosyal bilgi paylaşımına dayanmaktadır:
- Parçacık: Her bireye parçacık denir, optimize edilen problemin bir aday çözümünü temsil eder
- Sürü: Parçacıklardan oluşan popülasyona sürü denir
- Amaç: Sürüdeki en iyi parçacığın konumunu belirlemek
- Öğrenme: Parçacıklar bir sonraki konumunu geçmiş tecrübelerine ve sürüdeki en iyi bireye dayanarak iyileştirmeye çalışır
📐 PSO Algoritmasının Matematiksel Formülü
Hız Güncellemesi:
vi(t+1) = w·vi(t) + c₁·r₁·(pbesti - xi(t)) + c₂·r₂·(gbest - xi(t))
Konum Güncellemesi:
xi(t+1) = xi(t) + vi(t+1)
Parametreler:
- w: Atalet ağırlığı (inertia weight)
- c₁: Bilişsel öğrenme katsayısı
- c₂: Sosyal öğrenme katsayısı
- r₁, r₂: [0,1] arasında rastgele sayılar
- pbest: Parçacığın kendi en iyi konumu
- gbest: Sürünün global en iyi konumu
⚙️ PSO Algoritması Adımları
- Başlatma: Parçacıkların konumları ve hızları rastgele başlatılır
- Değerlendirme: Her parçacığın fitness değeri hesaplanır
- pbest Güncelleme: Her parçacığın kendi en iyi konumu güncellenir
- gbest Güncelleme: Sürünün global en iyi konumu güncellenir
- Hız ve Konum Güncelleme: Formüllere göre hızlar ve konumlar güncellenir
- Durdurma Kriteri: Maksimum iterasyon veya hedef değer kontrolü
- Tekrar: Durdurma kriteri sağlanana kadar 2-6 arası adımlar tekrarlanır
💡 Önemli Not: PSO'da parçacıklar hem kendi deneyimlerinden (bilişsel bileşen) hem de sürünün en iyi deneyiminden (sosyal bileşen) öğrenir. Bu iki bileşenin dengesi, algoritmanın keşif (exploration) ve sömürü (exploitation) dengesini belirler.
✍️ Test Soruları
Soru 1: PSO algoritması hangi doğal davranıştan esinlenmiştir?
Soru 2: PSO algoritmasını kim ve ne zaman geliştirdi?
Soru 3: PSO'da "parçacık" neyi temsil eder?
Soru 4: pbest ne anlama gelir?
Soru 5: gbest ne anlama gelir?
Soru 6: PSO'da atalet ağırlığı (w) neyi kontrol eder?
Soru 7: PSO'nun avantajı hangisidir?
Soru 8: Sürü zekasının temel özelliği nedir?
Soru 9: PSO'da c₁ ve c₂ parametreleri neyi temsil eder?
Soru 10: PSO algoritmasında konum güncellemesi nasıl yapılır?
🎴 Flashcards - Tıklayarak Çevir
Sürü Zekası
Bireyler arası etkileşimle ortaya çıkan kolektif zeka, basit kurallarla karmaşık davranışlar
PSO
Particle Swarm Optimization - Kuş ve balık sürülerinden esinlenen optimizasyon algoritması
Parçacık
PSO'da problemin bir aday çözümünü temsil eden birey, konum ve hız bilgisine sahip
Sürü (Swarm)
Parçacıkların oluşturduğu popülasyon, birlikte hareket eden grup
pbest
Personal best - Her parçacığın şimdiye kadar bulduğu en iyi konum
gbest
Global best - Tüm sürünün bulduğu en iyi konum
Hız (Velocity)
Parçacığın hareket yönü ve büyüklüğü, her iterasyonda güncellenir
Konum (Position)
Parçacığın çözüm uzayındaki konumu, problemin bir çözümünü temsil eder
Atalet Ağırlığı (w)
Önceki hızın mevcut hız üzerindeki etkisini kontrol eden parametre
c₁ Katsayısı
Bilişsel öğrenme katsayısı, parçacığın kendi deneyiminin etkisi
c₂ Katsayısı
Sosyal öğrenme katsayısı, sürünün en iyi deneyiminin etkisi
Kennedy ve Eberhart
PSO algoritmasını 1995 yılında geliştiren araştırmacılar
Bilişsel Bileşen
Parçacığın kendi deneyiminden öğrenme, pbest'e doğru hareket
Sosyal Bileşen
Sürünün en iyi deneyiminden öğrenme, gbest'e doğru hareket
PSO Avantajları
Az parametre, kolay uygulama, hızlı yakınsama, az hafıza gereksinimi