Özet:
Optimizasyon genel olarak en iyiyi bulma sürecidir ve belirli bir arama uzayında tanımlanan bir probleme kabul edilebilir bir çözüm bulmayı amaçlar. Yapay zekânın gelişmesiyle birlikte, optimizasyon problemlerinin çözümü için meta-sezgisel algoritmalar popüler hale gelmiştir. Meta-sezgisel algoritmalar, özellikle doğadaki biyolojik sistemlerden ve sürü davranışından esinlenir. Sadece bir yöntemin bütün optimizasyon problemlerini çözmesi mümkün olmadığından, literatürde birçok meta-sezgisel algoritma geliştirilmiş ve geliştirilmeye devam etmektedir. Bu bağlamda, bu tez çalışmasında, zor optimizasyon problemlerinin çözümü için çekirge sürülerinin rastgele zıplama ve bitkileri istila etme davranışlarından esinlenerek yapay çekirge sürü optimizasyonu (ALSO) adı verilen sürü zekâsı tabanlı meta-sezgisel bir algoritma önerilmiştir. Çekirgeler yiyecek arama için aile ve sosyal olma üzere iki fazda birbirleriyle etkileşimde bulunurlar. Ailesel fazda, yerel bir alanda çekirgeler küçük gruplar halinde yiyecek arar ve sosyal fazda topladıkları bilgileri paylaşırlar. Önerilen algoritma, 22 test fonksiyonu ve 3 mühendislik tasarım problemi üzerinde test edilerek yaygın ve yeni geliştirilen optimizasyon algoritmaları ile karşılaştırılmıştır. Simülasyon sonuçları, diğer algoritmalarla kıyaslandığında önerilen ALSO algoritmasının oldukça rekabetçi olduğunu kanıtlamaktadır. Ayrıca, aynı koşullar altında, ALSO algoritması daha az çalışma zamanı ve bellek alanı gerektirmektedir.
