» SOSYAL ZEKA TABANLI OPTİMİZASYON YAKLAŞIMI - 2

Yayinlanma Zamani: 2011-12-16 01:28:00





2. SOSYAL ZEKA
Henüz literatürlerde yeni bir paradigma olan sosyal zeka, ülkemizde de yeni araştırmalara konu olmakta ve bu alanda yeni gelişmeler kaydedilmektedir. Çalışmamızda, İngilizce kaynaklarda “swarm” olarak geçen, Türkçe kaynaklarda da “sürü” olarak çevrilmiş olan terim, anlamı daha iyi karşılayabilmek ve çözümlemek adına “sosyal” olarak değerlendirilmiştir.
İlkel bir sosyalleşmeden yola çıkarak, çeşitli grupların araştırma yeteneğini simüle etmemizden dolayı, “sürü zakası” yerine “sosyal zeka” adlandırmasını çalışmamız içerisinde tercih etmekteyiz.
2.1. Sürü (Grup, kültür )
Son günlerde biyologlar ve bilgisayar bilimcileri doğadaki sinerjik zeka örnekleri
üzerindeki araştırmalarını sıklıklaştırmışlardır. Nasıl organize olduklarını, ne çeşit
sosyal yapıları olduğunu ve amaçlarını nasıl gerçekleştirdiklerini, birbirlerinden ne
ölçüde etkilendiklerini araştıma konularına dahil etmişlerdir. Aynı hayvan türlerinin
bireylerinin bir araya gelerek oluşturdukları bu kümelere “sürü”, bu kümelerin
bireylerinin birbirlerinden etkileşimleri sonucunda ortaya çıkan zeka potansiyeline ise
“sosyal zeka” diyoruz.
Sürülerde N adet temsilci bir amaca yönelik davranışı gerçekleştirmek ve hedefe
ulaşmak için birlikte çalışmaktadır. Kolaylıkla gözlenebilen bu “kollektif zeka”
temsilciler arasında sık tekrarlanan davranışlardan doğar. Temsilciler faaliyetlerini idare
etmek için basit bireysel kurallar kullanır ve gurubun kalan kısmıyla etkileşim yolu ile
sürü amaçlarına ulaşır. Grup faaliyetlerinin toplamından bir çeşit kendini örgütleme
doğar.

2.2. Doğadan Sosyal Zeka Örnekleri
2.2.1. Karınca kolonileri
Yeryüzünde en kalabalık nüfusa sahip olan canlılar, karıncalardır. Her yeni doğan 40
insana karşılık, 700 milyon karınca dünyaya gelir. Ve bu canlılar hakkında
öğrenebileceğimiz çok fazla bilgi vardır.
Böcek türlerinin en "sosyal"lerinden biri olan karıncalar, son derece iyi "örgütlenmiş"
bir düzen içinde, "koloniler" denen topluluklar halinde yaşarlar. Örgütlenmeleri öyle
gelişmiş bir düzen içindedir ki, bu açıdan insanlarınkine benzer bir uygarlığa sahip
oldukları bile söylenebilir. Karıncalar kendileri açısından en ideal olan sosyal sistemi
milyonlarca sene öncesinden günümüze kadar hiçbir aksaklığa meydan vermeden
sürdüregelmişlerdir.
Bir milyon tanesinin sinir hücrelerinin toplamı ancak 20 gram olan bu canlıların bir
araya gelerek oluşturdukları bu sosyal zeka örneği yıllardır çeşitli bilim dallarından
insanlar tarafından incelenmektedir. Ve günümüzde “Karınca Kolonisi Optimizasyonu”
olarak bilinen bir yapay zeka tekniği, karıncaların gıda arama tekniklerinin incelenmesi
sonucu ortaya çıkmıştır.
2.2.2. Kuş sürüleri
Kuş sürüleri, basit bir sürü algoritması izleyerek, birlikte durur, dönüşleri koordine eder
ve birbirlerinden sakınırlar. Benzer problemler hava trafik kontrolünde ve gemi
konvoylarında görülmekte ve benzer metodlar kullanılarak bu problemler
çözülebilmektedir. Kuş sürülerinin bu koordine davranışları, her kuşun kendisine en
yakın kuştan belli bir uzaklıkta ve etrafında kuşların hızında uçmayı başarmaya çalıştığı
varsayımıyla açıklanabilmektedir. Sürü, her varlığın bireysel faaliyetlerinin eşzamanlı
olarak yanıt gördüğü ve bütünü değiştirdiği, kendini zorlayan bir yapıdır. Aslında her
kuş yalnızca en yakınında bulunan eşinin hareketlerini hissetmektedir. Ancak onun bu
hareketlere tepkileri diğerlerine yayılmakta ve böylece sistem bir bütün olarak grupsal
bir koordinasyon sergilemektedir.

2.2.3. Avını çevreleyen kurt sürüleri
Doğadaki başka bir sosyal zeka örneğini kurtlar avlanırlarken sergilemektedirler. Öyle
ki, bir geyik yakalamak için kurt sürüsünün koordine bir şekilde hareket etmesi ve avını
çevrelemesi gerekmektedir. Onların koordine davranışı, uzun vadeli iletişim
mekanizmalarının veya karmaşık zekice stratejilerin varlığı varsayımı olmaksızın sosyal
zeka ile açıklanabilir. Kurtlar basitçe, diğer kurtlarla uygun uzaklığı korumaya çalışarak
avlanırlar. Bu basit stratejinin simülasyonları, hareket edebildiği kadar hızlı en yakın
kurttan kaçan bir geyikle gösterir ki avını çevrelemek uygulanabilir ve başarılı bir
çözümdür.

3. SOSYAL ZEKA TABANLI OPTİMİZASYON (SZTO)
Dr Eberhart ve Dr Kennedy tarafından 1995’de, kuş ve balık sürülerinin sosyal
davranışlarından esinlenilerek geliştirilen SZTO, popülasyon temelli, stokastik bir
optimizasyon tekniğidir.
SZTO, genetik algoritma (GA) gibi evrimsel hesaplama teknikleriyle birçok benzerlik
taşımaktadır. Genetik algoritmadan farklı olarak, SZTO’de mutasyon ve genetik
değişim (crossover) gibi evrim işleçleri bulunmaz. SZTO’de parçacık adı verilen
potansiyel çözümler, problem uzayı içerisinde güncel optimal parçaları takip ederek
uçuşmaktadır.
Her parçacık problem uzayı üzerindeki koordinatlarını önceden ulaştığı en iyi çözümle
ilişkilendirilmiş olarak kaydetmektedir (En iyi çözüm değeri ayrıca kaydedilir.) . Bu
değer bireysel en iyi olarak adlandırılır. Diğer bir “en iyi” değer sosyal zeka
eniyileyicisi tarafından izi sürülen parçacığın komşuluğunda ulaşılan en iyi değerdir. Bu
konum bireysel en iyi olarak adlandırılır. Bir parçacık bütün popülasyonu kendi
topolojik komşuluğu olarak alırsa, en iyi değer grupsal en iyi olarak adlandırılır.
SZTO konsepti, her aşamada, bireysel en iyi ve grupsal en iyi konumlarına doğru hızın
artmasından oluşmaktadır. İvme rastsal bir terim tarafından ağırlandırılmaktadır.
Geçmiş yıllarda, SZTO birçok uygulama alanı ve araştırmaya başarıyla uygulanmış;
diğer metotlarla karşılaştırıldığında, daha hızlı ve daha ucuz olan SZTO’nun daha iyi
sonuçlar verdiği kanıtlanmıştır.
SZTO’yu çekici kılan diğer bir unsur düzenlenecek parametre sayısının azlığıdır. SZTO
geniş bir uygulama alanına sahip olduğu gibi spesifik gereksinimlere cevap veren
spesifik uygulama alanlarında da kullanılabilir.

3.1. Günümüzdeki Uygulama Alanları
SZTO, mantığının basitliğinin sağladığı avantaj ile birçok farklı yapıya
uyarlanabilmektedir. Günümüzde farklı alanlarda SZTO yaklaşımlarının denendiği
uygulamaları görmekteyiz. Bu uygulamalar henüz çözüm getirilememiş problemlerin
uyarlamaları olmaktan çok, SZTO’nin geliştirilmesine yönelik yapılan çalışmaların ne
ölçüde etkili olduğunu göstermek için hazırlanmış uygulamalardır. Fakat bununla
birlikte, yalnızca bazı spesifik problemlerin çözümüne yönelik SZTO uygulamalarınada
rastlanmaktadır. 1999 yılında Rio de Janeiro kentinde gerçekleştirilen, International
Conference on Intelligent System Applications to Power Systems (ISAP'99), isimli
konferansta tanıtılan bir çalışma (Yoshida et. al., 1999), “Voltajda Durağanlık Sağlayan
Güç ve Voltaj Kontrolü İçin Sosyal Zeka Tabanlı Optimizasyon” başlığı altında
tanıtılmıştır. Bu çalışmanın en önemli yanlarından birisi, ele alınan problemin kısıtlı bir
non-linear model olmasıdır. Geliştirilen yaklaşım ise, bizim de kullanmış olduğumuz
penaltı yöntemi ile yakın benzerlik göstermekte, temelde aynı mantığa dayanmaktadır.
3.2. Klasik Algoritma
SZTO n parçacıktan oluşan bir bütünün bir elemanının kendi eniyisi ve grupsal
eniyisinden etkilenmesi ile grupta d boyutta hareket etmesinden oluşur.
Amaç fonksiyonunun herbir boyutu parçacığın d düzlemde gezinmesiyle elde edilen
değerin minumum ya da maksimum yapılmasıyla elde edilir.
Örnek vermek gerekirse; n. parçacık 2 boyutlu bir düzlemde hareketini x ve y
koordinatlarında gezerek sağlar. Her bulunduğu nokta amaç fonksiyonunu bir değere
taşır ki amaca göre bu değer etkin veya değildir.

Sonraki Konu :


Duyuru

Facebook sayfamiza üye olun


Duyuru
Sitemizde güncelleme çalismalari devam etmektedir.
Görüs ve önerilerinizi bizimle paylasabilirsiniz ! mail adresimiz : endustrimuhendisligi@hotmail.com