Abstract:

Araştırmacılar, klasik optimizasyon tekniklerinin kullanılmasının yetersiz olduğu problemler için farklı çözüm arayışlarına girmiş, çalışmalarını bu yönde devam ettirmişlerdir. Yapay zeka optimizasyon teknikleri ise bu çalışmaların bir sonucu olarak ortaya çıkmıştır. Yapay zeka optimizasyon teknikleri, karmaşık optimizasyon problemlerinin çözümünde sık sık kullanılmaya başlanmış ve olumlu sonuçlar verdiği görülmüştür. Doğadan esinlenen algoritmaların yeni bir dalı olan sürü zekâsı yaklaşımı, böceklerin içgüdüsel problem çözme becerilerini kullanan etkili metasezgisel yöntemler geliştirebilmek için böcek davranışlarının modellenmesine odaklanmıştır. Yapay Arı Kolonisi (YAK) Algoritması da sürü zekasına sahip olan arıların davranışlarını esas alıp geliştirilmiş ve karmaşık problemlerin çözümünde kullanılmaya başlanmıştır. Bu çalışmada da, doğrusal olan parametrik ve doğrusal olmayan gerçek sistemlerin sürü zekası yaklaşımına örnek olan yapay zeka optimizasyon tekniklerinden Yapay Arı Kolonisi (YAK) Algoritması ile modellenmesi gerçekleştirilmiş olup, Genetik algoritma (GA) ve Klonal Seçme Algoritması (KSA) ile başarımı karşılaştırılmıştır. Benzetim çalışmalarında literatürde kıyaslama problemlerinde sıklıkla kullanılan bir adet doğrusal parametrik ve bir adet doğrusal olmayan gerçek sistem bu algoritmalar yardımıyla modellendirilmiştir. Benzetim sonuçlarına göre doğrusal parametrik sistemlerin modellenmesinde YAK algoritması, GA’ya çok yakın bir sürede parametre tahmini yapmış, farklı koloni sayılarında ise hem GA’dan hemde KSA’dan daha düşük modelleme hatası ile sonuç alındığı görülmüştür. Doğrusal olmayan gerçek sistem modellemelerde ise aynı durum söz konusu olup, koloni sayılarındaki değişime bağlı olarak YAK algoritması, GA ve KSA’na göre daha düşük hata ve daha erken sürede sistemi modelleyebildiği görülmüştür.

Keywords: