Page 38 - Bilgem Teknoloji Dergisi 15. Sayı
P. 38
DİJİTAL GELECEK
Formül (3)
(3) numaralı formülde ateş böceğinin çekiciliğinin (beta); sabit emilim katsayısı (gamma) ve iki
ateş böceği arasındaki uzaklık (r) ile ilişkili olduğu gösterilmektedir.
Formül (4)
(4) numaralı formülde ise bir ateş böceğinin parlaklığa göre hareketi sonrası yeni konumunun
bulunması yöntemi gösterilmiştir. Yeni konum, eski konumu ve ateş böceğinin etkileşim değeri ve
alfa rastlantı değişkeni ile birlikte elde edilmektedir.
Doğada ateş böcekleri rastgele bir şekilde
parlaklıklar ile dağılmış durumdadır. Algoritma,
başlangıç için rastgele çözüm kümeleri oluşturur
ve bu dağılımı taklit eder. Daha sonra bu çözüm
kümeleri arasında parlağa doğru hareketi temsil
eden iyileştirme formülleri çalıştırılır. Parlaklık
arttıkça algoritmanın optimizasyon performansı
daha iyi kabul edilir.
Ateş Böceği Algoritması görüntü işleme,
büyük ağlarda ağ topolojisini belirleme, makine
öğrenmesi, veri madenciliğinde zaman serisi
tahminleme (hava durumu, finans vb.) gibi
birçok problemde kullanılabilir.
Algoritma temelde aşağıdaki adımları Bu çalışmalardan yola çıkılarak doğadaki
kapsamaktadır; varlıkların her biri insanlık tarafından yapılan
1. Başla. ve yapılacak icatlara ilham olmuştur denilebilir.
2. Parametreleri belirleyerek başlangıç Uçaklar geliştirilirken kuşlardan ilham
popülasyonu oluştur (Parametreler: Popülasyon alınmasından; titreşimi azaltarak konforlu
büyüklüğü, ışık emilim katsayısı, iterasyon bir yolculuk için çitaların koşuşunu örnek
sayısı). alan araçlara varıncaya kadar doğa birçok
3. Ateş böceklerinin parlaklıklarını hesapla. teknolojik ilerlemede esin kaynağıdır. Doğada
4. Parlaklıkları kıyasla. her şey bir düzen hâlindedir. Bu düzeni akıllıca
5. Ateş böcekleri arasında daha parlak olana gözlemleyerek kullanmak ise insanoğlunun
hareket et. geçmişten beri yaptığı bir eylem olmuştur.
6. Belirlenen sonlanma kriterine ulaşılana kadar Algoritmaların doğadan nasıl ilham aldığı ve
hareketi devam ettir. bilgisayar bilimlerinde popüler optimizasyon
7. En parlak ateş böceğini döndür. problemleri üzerinde nasıl uygulanabileceğine
8. Son. ilişkin bilgilere bu yazıda yer verilmiştir.
Kaynakça
[1] Thomas, W. (2015). Algorithms: From Al-Khwarizmi to Turing and Beyond. In: Sommaruga, G., Strahm, T. (eds) Turing’s Revolution.
Birkhäuser, Cham. https://doi.org/10.1007/978-3-319-22156-4_2
[2] Beckers, R., Deneubourg, J.L., & Goss, S. (1992). Trails and U-turns in the Selection of a Path by the Ant Lasius niger. Journal of Theoret-
ical Biology, 159, 397-415.
[3] M. Dorigo and L. M. Gambardella (1997). “Ant colonies for the travelling salesman problem,” BioSystems, vol. 43, no. 2, doi: 10.1016/
S0303-2647(97)01708-5.
[4] X.-S. Yang (2009). “Firefly Algorithms for Multimodal Optimization,” in Stochastic Algorithms: Foundations and Applications, T. Wata-
nabe Osamu and Zeugmann, Ed., Berlin, Heidelberg: Springer Berlin Heidelberg, pp. 169–178.
36