SWARM INTELLıGENCE SÜRÜ ZEKASI (SI) Kadir Özkaya Abdullah Çelik Bahattin Carav
SWARM INTELLIGENCE NEDĠR? Bir aslan zekidir, avlanırken saklanır, avını gözüne kestirir, gizlice izler, bir anda fırlayıp peģinden koģar ve yakalayıp tam da boynunu ısırır. Bunları yapan bir varlığın zekâsından Ģüphe etmezsiniz. Bir karınca ise ilginç hiçbir iģ yapamaz. Bir karınca, aptaldır.
SWARM INTELLIGENCE NEDĠR? Ama yalnızca *bir* karınca aptaldır. Karınca sürüleri aptal değildir. Karınca sürüleri haberleģebilir, yuva kurabilir, mantar yetiģtirebilir, yiyecek bulabilir, köprüler ve sallar inģa edebilir ve baģka sürülerle savaģabilir. Karınca sürüleri bu yüzden zekidir. ĠĢte bu tür sürü halinde yaģayan arı, karınca vb hayvan gruplarının topluca sahip oldukları zekâya sürü zekâsı (swarm intelligence) denir.
CANLı BIR KÖPRÜ
ÖRGÜTLÜ BIR SAVAġ
ORTAKLAġA YÜK TAġıMA
ĠZ OLUġTURMA VE IZ TAKIP ETME
SWARM INTELLIGENCE NEDĠR? Aslanın zekâsını anlamak ve taklit etmek çok güç,aslan dediğimiz çok hızlı görüntü ve ses iģleyen karmaģık avlanma makinesi, milyarlarca nöronun etkileģiminin denetimindedir. Oysa karıncalar aslanlara kıyasla çok daha basit beyinlere sahipler.
SWARM INTELLIGENCE NEDĠR? çünkü hiçbir karıncanın köprü yapmanın tüm inceliklerini bilmesine gerek yok; önemli olan köprü yapıldığını fark edebilmesi ve kendi rolünü yerine getirebilmesi yeterli. Diğer bir deyiģle; sürü zekâsı tek bir karıncanın beyninde değildir. Sürü zekâsı ancak karıncalar sürü olarak bir araya geldiklerinde ortaya çıkar.
DOĞADAN SWARM( SÜRÜ) ÖRNEKLERI: Karınca Kolonisi Agents: karınca KuĢ Sürüsü Agents: kuģlar Trafik Agents: arabalar Toplum Agents: insanlar Immune(BağıĢıklık ) Sistem Agents: hücreler and moleküller
SÜRÜ ZEKASı OPTIMIZASYONU Bilim adamları kuģ ve balık sürülerindeki organizmaların hareketlerinin açıklayan çeģitli bilgisayar simülasyonları geliģtirmiģlerdir. Reynolds kuģ sürülerinin uçuģlarındaki simetriyi incelerken (Reynolds, 1987), Heppner ve Grenander bir sürüdeki çok sayıda kuģun nasıl senkronize bir biçimde uçup, aniden topluca yön değiģtirebildiklerini, aniden dağılıp yine aniden tekrar grup haline gelebildiklerini incelemiģtir. Söz konusu davranıģların modellenmesi sırasında modellerin ağırlıklı olarak bireyler arasındaki mesafenin ayarlanmasına dayandığı görülmüģtür. Buna göre sürü davranıģındaki senkronizasyonu sağlayan etken, kuģların, birbirleri arasında optimum mesafe bırakmak için gösterdikleri çabanın bir fonksiyonudur.
SÜRÜ ZEKASı OPTIMIZASYONU Sürü Zekası Optimizasyonu algoritması 1995 yılında James Kennedy ve Russell Eberhart tarafından geliģtirilmiģtir. Sosyal metaforları temel alan bu algoritma ile arama ajanları arasında bilgi paylaģımı (sosyal etkileģim) sağlanarak optimizasyon hedeflenmiģtir. Algoritmanın temel fikri sürü dâhilindeki en iyi ile her bir bireyin kendi en iyisinin sürekli olarak izlenmesidir. Kennedy ve Eberhart bu yöntemi ilk olarak sosyal ve biliģsel davranıģların incelenmesi amacıyla sunmuģlardır. Ancak yöntemin geniģ olarak uygulandığı alan mühendislik ve temel doğa bilimleri olmuģtur
SÜRÜ ZEKASıNıN TEMEL FIKRI:.. Sürü zekası kavramının altında yatan temel fikir bir grup halindeki basit bireylerin karmaģık ve zeki davranıģlar sergileyeceğidir. Bu amaçla doğada gözlemlenen grup halinde davranıģ yapısından esinlenilerek bir takım stratejiler geliģtirilmiģ ve bunlar mühendislik problemlerinin çözümü için teorik matematiksel temeller haline getirilmiģtir.
SÜRÜ ZEKASı OPTIMIZASYONU
SÜRÜ ZEKASı OPTIMIZASYONU
SÜRÜ ZEKASı OPTIMIZASYONU
SÜRÜ ZEKASı OPTIMIZASYONU
SÜRÜ ZEKASı OPTIMIZASYONU
SÜRÜ ZEKASı OPTIMIZASYONU
SÜRÜ ZEKASı OPTIMIZASYONU
SÜRÜ ZEKASı OPTIMIZASYONU
KARıNCA DAVRANıġı Herbir etkenin (karınca) çevreyi algılama veya sezme özellikleri bulunmaktadır, birbirlerine bakarak hareket ederler, ancak merkezi bir yönlendirme yoktur
KARıNCA DAVRANıġı Bu çevreyi algılama veya sezme özellikleri sayesinde doğrudan veya dolaylı iletişim kurarak en kısa yolu tekrar bulurlar.
KARıNCA DAVRANıġı
SÜRÜ ZEKASıNıN TARIHI Ġlk olarak minik robot sistemleri üzerine çalıģan Beni ve Wang tarafından 1989 gelistirilmiģtir. Daha sonra Sürü Zekası kavramı 1999 da Bonabeau, Dorigo, ve Theraulaz tarafından geniģletilmiģtir. Dorigo, sosyal böcek kolonileri ve diğer hayvan toplumlarından esinlenen algoritma ve dağıtık problem çözme aygıtları diye tanımlamıģtır. Bonabeau Sürü zekası, basit ajan gruplarının ortaya çıkardığı kolektif zekadır.
BILGISAYAR SIMÜLASYON MODELLERI YÜKSELIġI ILE: Bilim adamları karıncaların basit davranıģları modellemeye baģladı. Tek baģlarınayken akıllı davranamadıkları halde kolektif davranıģları akıllıca olan bu hayvan kolonileri modellendi. Bu geliģmeler bize toplum, doğa ve dünya hakkında yeni fikirler vermeye baģladı. Doğadaki gözlemlerin bilgisayar Algoritmalarına uyarlanmasına öncülük etti.
KULLANıM ALANLARı Mobil iletiģim sunucularının yönetimi Mayın Temizleme ve Arama Kurtarma ÇalıĢmaları (DARPA) tarafından 120 askeri robot geliştiriliyor.
KULLANıM ALANLARı Gen AraĢtırmaları Genlerin daha iyi kümelenmesi Pattern Tanıma Sınır Belirleme Bilgisayar Virüsleri 2002 yılında yazılan Serotonin adlı bir virüs genetik teknikleri kullanarak network üzerinden kendinin diğer kopyaları ile kod değiştirerek, kendi kendine mutasyona uğrayıp, yeni tekil formlara bürünüyor. Eğer mutasyonlu kod kendini yayamazsa ölüyor, bu sayede hayatta kalanlar yeni ağlara daha etkin ulaşabiliyor.
BILGI: Erzincan merkeze 7 kilometre uzaklıktaki BaĢpınar köyünde Mehmet Gün'e(35) ait 150 adet koyun köye Kızlar Kalesi mevkiinde otladıktan sonra akģam saatlerinde köye dönüģe geçti. AkĢam karanlığı nedeniyle koyunlar köye 1 kilometre mesafedeki bir uçurumun kenarından geçmek isterken, birkaç koyun yaklaģık 150 metre yükseklikteki uçuruma düģtü. Sürüde bulunan diğer koyunlar da bu koyunları takip ederek uçuruma atladı. Olayda sürüden 52 koyun telef oldu.
SİZCE TOPLU KOYUN İNTİHARINDA SÜRÜ ZEKASI VAR MIDIR????
ĠKI GENEL SÜRÜ ZEKASı (Sı) ALGORITMASı 1-Ant Colony Optimization (Karınca Kolonisi Optimizasyonu) 2-Particle Swarm Optimization (Parçacık Sürü Optimizasyonu) Video http://www.youtube.com/watch?v=p3qic0w34tm &feature=related
1-ANT COLONY OPTIMIZATION Karınca Kolonisi Optimizasyonu için önemli faktörler Rasgelelilik Kendi Kendine Organizasyon (Self organised) EtkileĢim (Stigmergy)
Rastgelelilik: Bilgisayar programlarında, rastgelelilik çoğunlukla iki iģlevden birini görür. Ġlki, bu çoğunlukla basit olarak belirsizliğin veya kararsızlığın ifadesidir. Belki nereye gidileceği veya nereden baģlanacağı bilinmemektedir, fakat bir yere gidilme zorunluluğu vardır. Bu durumda rastgele bir yön herhangi biri kadar iyidir. Ġkincisi önemli iģlevi, çok ilginçtir, yeniliği ortaya çıkarmalarıdır.
Kendi Kendine Organizasyon: Birçok ayrı bireyden oluģan bir topluluğun, değiģen Ģartlardan dolayı kendi durumunu değiģtirerek yeni bir düzen kazanmasıdır. Bir sistemin alt seviyedeki bileģenleri arasındaki etkileģimlerinden global seviyedeki yapıların ortaya çıkması anlamında, dinamik mekanizmalar bütünüdür.
EtkileĢim: Etkenlerin birbirlerine göre hareket etmeleri, doğrudan veya dolaylı iletiģim kurmalarını gerektirir. Dolaylı iletiģim etkileģim (stigmergy ) ile olabilir. EtkileĢim, bir etkenin baģka etkenlerle iletiģim kurmak için çevreyi değiģtirmesi, örneğin karıncaların geçtikleri yola feromon isminde kimyasal madde bırakmasıdır. Sonuçta diğer bireylerin davranıģının ve koloni seviyesindeki toplam davranıģların geliģmesidir. Böylece kollektif bir cevap verebilir.
YAPAY KARıNCALAR Gerçek karıncalardan aynen alınan özellikler : Karıncalar arasında feromon aracılığı ile kurulan iletiģim. Feromon miktarının fazla olduğu yolların öncelikle tercih edilmesi. Kısa yollar üzerinde feromon miktarının hızlı artması. daha
Eklenen özellikler : Zamanın ayrık olarak hesaplandığı bir ortamda yaģarlar ve hareketleri ayrık durumlardan ayrık durumlara geçiģleri içerir. Tamamen kör olmayıp, problem ile ilgili detaylara eriģebilirler. Belli bir miktar hafıza ile, problemin çözümü için oluģturdukları bilgileri tutabilirler.
OluĢturdukları çözüm kalitesinin bir fonksiyonu olarak belli bir miktarda feromon bırakırlar. Feromon bırakmadaki zamanlama. Sistemin genel performans ve etkinliğini arttırabilmek için geri iz sürebilme ve ileriye bakıģ gibi gerçek karıncalarda bulunmayan özellikler yapay karıncalara eklenmiģtir.
KARıNCA KOLONI OPTIMIZASYONU ALGORITMASı G = ( N, A ) ifadesinde N = Node ları, yani düğümleri; A = Arc ları, yani iki düğüm arası bağlantıları veya yolları ifade etmektedir. Her ( i, j ) arkına yapay feromon izi adı verilen τ ij değişkeni ilişkilendirilir. Feromon izleri karıncalar tarafından okunur ve yazılır. Feromon izinin miktarı, yani yoğunluğu o arkı iyi çözümleri oluşturmakta kullanan karıncaların değerlendirmesine bağlıdır.
BIR SONRAKI GIDILECEK YOLUN HESAPLANMASı i düğümündeki k karıncasının bir sonraki gideceği düğüm olarak j yi seçmede hesapladığı τ ij feromon izlerine dayalı ihtimal: k Ν i, i düğümündeki k karıncasının komşu düğümlerini ifade etmektedir.
FEROMON GÜNCELLEġTIRME: Feromon izi logaritmik Ģekilde buharlaģarak azalır. Her k karıncası, önceden açıklanan karınca araģtırma davranıģına göre bir sonraki düğüme hareket ettikten sonra, feromon izleri Ģu ifadeye göre bütün arklarda buharlaģtırılır:
2-PARTICLE SWARM OPTIMIZATION Sürü içindeki bireye odaklanılan swarm intelligence türüdür. Canlilar arama uzayinda noktalar (particle) olarak tanimlanir Bu algoritmada birey, kendisini sürekli olarak komģularıyla karģılaģtırarak sosyal davranıģ kalıpları oluģturur ve bunlara göre çevrenin özelliklerini ve bunların değiģimini "iyi" veya "kötü olarak tanımlamayı öğrenir.
PARTICLE SWARM OPTIMIZATION KuĢ ve balık sürülerinden esinlenilmiģtir, suda ani zikzaklar çizerken birbirleri ile çarpıģmayan, tek parça gibi hareket eden balık sürüleri algoritmanın tipik davranıģını tanımlar. Fittness dediğimiz, problemin çözümünde her alt nokta için bir deger hesaplanır, böylece iyi olan partiküle doğru diğer noktalar hareket eder. KuĢ örneğini alırsak, örneğin martının biri balık sürüsünü bulunca bir çığlık patlatır ve diğerleri de ona doğru hızlanırlar.
SÜRÜ ZEKASıNıN KULLANıLDıĞı YERLER U.S. Ordusu insansız araçlarda kullanıyor NASA gezegenlerin haritalanmasında Medical Research ise kanser tedavisinde sürü zekası tabanlı nanorobotlar kullanıyor. ĠletiĢim Ağlarında kullanılıyor, Ġngiltere telekominikasyon Ģirketi bu altyapıya geçiyor. SavaĢ kalabalık sahne içeren eğlence sektöründe Tesis yerleģtirme probleminin çözümünde Mikro robotlarda