Bu
çalışmada yapay zeka, derin öğrenme ve makne öğrenmesi kavramları açıklanmış ve
yapay zekanın optimizasyon algoritmaları ile ilişkileri incelenmiştir. Derin öğrenme
ve makine öğrenmesinin temel aşamaları ve içeriği tanımlanarak, yapay zeka'nın
optimizasyon ile olan ilişkisi araştırılmıştır. Bu inceleme ışığında dört adet
optimizasyon algoritması ele alınmıştır. Literatürde sıklıkla kullanılan bu
yapay zeka tabanlı optimizasyon algoritmalarının adımları ve işlemleri ayrıntılı
olarak incelenmiştir. İncelenen algoritmaların hepsi doğa ile ilgili olarak geiştirilen
algoritmaları içermektedir. Bu algoritmaları sayacak olursak; Bakteri Yiyecek
Arama Optimizasyonu, Çiçek Tozlaşması Optimizasyonu, Genetik Algoritma ve Yapay
Arı Kolonisi algoritmalarıdır. Literatürde yapılan çalışmalar, Bakteri Yiyecek
Arama'da koli basili olarak bilinen bakterilerin yaşam döngüsünin modellenmesi,
Çiçek Tozlaşmasın'da çiçekli bitkilerde meydana gelen tozlaşma olayının modellenmesi,
Genetik Algoritma'da biyolojide çeşitliliği ve kaliteli bir populasyonun
oluşmasını sağlayan genlerin oluşumunun modellenmesi ve Yapay Arı Kolonisi'nde
arıların davranış mantıklarının modellenmesi ile gerçekleştirilmiştir. Bu
çalışmalardan Yapay Arı Kolonisi dışındaki çalışmalar doğrudan doğada
gerçekleşen olayların modellemesiyken, Yapay Arı Kolonisi arı kolonilerinin
davranışlarıyla bir örnek uzayının içerisindeki beklenen ve beklenmeyen
değerler kümesinin nasıl ayrılabileceği ile ilgili bir yorum eklenerek ortaya
atılmıştır. Bu çalışma içerisinde tüm bu algoritmaların aşamaları ve her adımda
uygulanan mantık irdelenmektedir. Bu algoritmalarla ilgili bazı yeni önemli
uygulama alanları da ele alınmıştır. Sonuç kısmında ise bu çalışmalar ışığında gelecek
çalışmalar için neler yapılabileceği ifade edilmiştir.
In this
study, the concept of artificial intelligence (AI), deep learning and machine
learning are explained and the relation between AI and optimization algorithms
are examined. By defining the basic stages and the content of deep learning and
machine learning, the relationship of AI with optimization is investigated. In
the light of this study, four optimization algorithms were considered. The
steps and the operations of these artificial intelligence-based optimization
algorithms which were widely used in the literature have been examined in
detail. All the algorithms discussed in this study are related to nature. These
algorithms are; Bacterial Foraging Optimization, Flower Pollination
Optimization, Genetic Algorithm and Artificial Bee Colony Algorithm. The
studies in the literature carried out by modelling the life cycle of bacteria
known as koli basil in Bacterial Foraging, the pollination event in flower
pollination plants in Flower Pollination, genetics in Genetic Algorithm and the
formation of genes that lead to the formation of a high quality population and
bees' behavioural logic in Artificial Bee Colony. While the studies except the
Artificial Bee Colony were the direct models of the phenomenon in nature, the
Artificial Bee Colony was put forward by adding a comment about how the
behaviours of bee colonies can be separated from the expected and unexpected
values in a sample space. In this study, the stages of all these algorithms
and the logic used in each step are examined. Some recent important application
domains related to these algorithms are also discussed. In the conclusion part,
what can be done in the light of these studies as a future work is mentioned.
Birincil Dil | İngilizce |
---|---|
Konular | Mühendislik |
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 13 Mart 2019 |
Gönderilme Tarihi | 5 Kasım 2018 |
Kabul Tarihi | 7 Şubat 2019 |
Yayımlandığı Sayı | Yıl 2019 Cilt: 1 Sayı: 1 |
Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.