Teknik olarak ilk defa 1986 yılında dile getirilen meta sezgisel terimi Yunanca “meta” kelimesi ile “heuristic” kelimesinin birleşiminden meydana gelmektedir ve “daha ileri sezgisel” veya “üst seviye sezgisel” şeklinde ifade edilmektedir.
Üst seviye sezgisel yaklaşım, çözüm uzayında olasılık temelli ancak bilinçli bir mantıkla arama gerçekleştiren yöntemleri içermektedir. Bu yöntemler her adımda oluşturulan çözüm kümesinden yola çıkarak yeni çözümler üretmektedirler. Böylece arama uzayının en uygununa yakın olan noktalarında aramalar yapılarak, yerel en iyi nokta seçiliminden de kurtularak en uygun çözüme ulaşmaya çalışılır. [1]
Meta sezgisel yöntemlerin karakterleri şu şekilde ifade edilmektedir;
- Arama işlemine yön veren metotlardır.
- Amaç, arama uzayını etkili bir şekilde keşfederek en iyi veya en iyiye en yakın sonuçları elde etmektir.
- Yerel arama tekniklerinden, karmaşık öğrenme işlemlerine kadar yayılım gösteren yapıdadırlar.
- Yaklaşık bir çözüm sunarlar, genelde belirleyici olmayan yöntemlerdir.
- Belirli bir probleme özgü değillerdir.
- Arama uzayında yerel en iyi konumlara takılıp kalmayı engelleyecek yapıları bulunmaktadır.
Meta sezgisel algoritmaların iyi sonuçlar üretebilmesi için yöntemin temel kavramları probleme iyi bir şekilde adapte edilmelidir. Meta sezgisel algoritmalar genel olarak beş sınıfa ayrılmıştır;
- Doğadan esinlenerek / esinlenmeden geliştirilen algoritmalar
- Popülasyon tabanlı / Tek nokta (yerel arama) algoritmalar
- Dinamik / Statik amaç fonksiyonlu algoritmalar
- Tek / Çok komşu yapılı algoritmalar
- Hafıza kullanan / kullanmayan algoritmalar
Belirtilen yöntemler, klasik sezgisel algoritmaların doğadan esinlenerek geliştirilmiş halleri olarak görülmektedir. Yöntemlerin sosyal, biyoloji, fizik, zooloji, bilgisayar gibi bilimler üzerinde temel alınarak geliştirilmesiyle çeşitlilik arttırılmıştır. Örnek olarak kuşların besin arayışının izlenmesiyle geliştirilen “Parçacık Sürü Optimizasyonu”, ateş böceklerinin birbirleriyle olan etkileşimlerinin araştırılmasıyla geliştirilen “Ateş Böceği Algoritması” bunlardan bir kısmıdır.
Bir sonraki yazımda, son zamanlarda kullanılmaya başlanılan “Guguk Kuşu Arama Algoritması”‘ndan bahsedeceğim.
[1] – Çoklu İmge Eşikleme Problemlerinde Metasezgisel Algoritmaların Performans Analizi, Gökhan Pekdemir, Selçuk Üniversitesi Yüksek Lisans Tezi, Şubat 2012.
[2] – Evaluation The Efficiency of Cuckoo Optimization Algorithm , Elham Shadkam, Mehdi Bijari, International Journal on Computational Sciences & Applications (IJCSA) Vol. 4 , No. 2 , Nisan 2014.
Bir Yazılımcının Günlüğü 