6.2.3.2.3. Parametrik düzgün geçi yöntemi
Parametrik düzgün geçi yönteminde, tek ve iki nokta geçi yöntemlerinin aksine geçi yapılan noktaların sayısı sabit olarak seçilmi de ildir.
Bu yöntemde yeni kromozoma ait de i kenler olu turulurken, belirlenmi bir parametrenin seçilen rastgele de i kenden büyük olup olmadı ına bakılır. E er parametre büyük ise yeni kromozoma transfer edilen de i kenlerin ait oldu u kromozom de i tirilir.
001101111010101 111001010011110
Not: Geçi konumları rasgele olarak 5. ve 10. konum seçilmi tir. Birinci kromozom kinci kromozom
001101010010101
Parametrik düzgün geçi yönteminde yeni kromozomdaki her bir konuma birinci ve ikinci kromozomdan transfer yapılma olasılı ı e it olmakla birlikte, birbiriyle uyumlu ve birbirlerine kom u konumda bulunan de i kenlerin farklı kromozomlardan alınmasının bu uyumu bozucu bir etkisi de bulunmaktadır. Bu etkinin azaltılması için parametrenin küçük tutulmasıyla yeni kromozom olu turulurken kromozomlar arası geçi in azaltılması olanaklıdır.
6.2.3.3. Mutasyon
Seçim ve rekombinasyon i lemlerinden sonra, popülasyondaki çe itlili in arttırılmasını ve yerel en iyi noktasından ba ka bir bölgeye atlama yapmayı sa layan mutasyon i lemi yapılmaktadır.
Bu i lemde, kullanılan mutasyon oranına göre, elde edilmi yeni kromozomlardaki bazı de i ken de erleri rastgele olarak de i tirilir. Bu de i ikliklerin seçkin kromozomlara uygulanmamasına dikkat edilmesi gereklidir.
6.2.4. Algoritmanın ba latılması
Genetik algoritmada ba langıç popülasyonunun üretilmesi kapsamında genellikle uygulanan yöntem, tüm popülasyon matrisinin rastgele de erlerle doldurulmasıdır.
Popülasyon içerisindeki kromozomların, rastgele de erlerle olu turulması yerine tüm arama uzayını düzgün olarak kapsayacak ekilde seçilmesinin, bazı çalı malarda erkenden dü ük kalitedeki bir çözüme varılması olasılı ını ortaya çıkardı ı veya bulunan en iyi çözümün kalitesini dü ürdü ü, bazı çalı malarda ise yüksek kalitedeki çözüme daha hızlı ula mayı sa ladı ı görülmü tür (Reeves ve Rowe, 2002).
6.2.5. Sonlandırma denetimi
Genetik algoritma, klasik en iyileme algoritmalarından farklı olarak, herhangi bir sonlandırma denetimi yapılmadı ı takdirde sonsuza kadar çalı abilir ve herhangi bir anda eri ilen çözüm tüm arama uzayındaki en iyi çözüm olmadı ı takdirde, daha iyi bir çözümün bulunması olasılı ı vardır.
Pratikte ise algoritmanın sonsuza kadar çalı ması mümkün olmadı ından sonlandırma denetimine ihtiyaç bulunmaktadır. Bu kapsamda örnek olarak a a ıdaki denetimler uygulanabilir:
• Kromozom çe itlili inin azalması: Popülasyondaki kromozomların uygunluk de erlerinin varyansının belirli bir de erin altına inmesi durumunda kromozom çe itlili inin azaldı ına karar verilebilir.
• Belirli sayıda iterasyonun hiçbir ilerleme olmadan yapılmı olması: Hesaplamalar sonucunda bulunan en iyi uygunluk de eri veren kromozomdan daha iyi bir kromozomun belirli bir iterasyon sayısı sonucunda bulunamamı olması.
• Hesaplama süresinin kısıtlanması (Reeves ve Rowe, 2002): Algoritmanın belirli bir süre çalı tırılması ve süre tamamlandı ında elde edilen en iyi sonucun alınması.
7. ALGILAYICI D Z S KAPSAMA ALANININ EN ÇOKLANMASI UYGULAMASI
7.1. Problemde Verilen ve stenenler
Algılayıcı dizisi kapsama alanının en çoklanması probleminde verilenler,
• Algılayıcıların konumlandırılaca ı bölgenin hücresel yapıdaki D.E.M.'i,
• Konumlandırılacak algılayıcıların sayısı (k),
• Konumlandırılacak algılayıcıların çalı tı ı frekans (f),
• Algılayıcıların her birinin konumlandırılaca ı noktadan yüksekli i (h0,k),
• Algılayıcıların her birinin menzilidir (lk).
Problemde istenen ise, algılayıcıların hücresel D.E.M. üzerindeki (nk,mk) ile ifade edilen hangi hücrelere yerle tirilece inin ve St ile ifade edilen toplam kapsanan alanın ölçüsünün bulunmasıdır. Hücresel koordinatlardaki algılayıcı konumlarının enlem ve boylam olarak elde edilmesi kolaylıkla gerçekle tirilebilecek bir i lemdir.
7.2. Uygulamanın Bölümleri
Kapsama alanını en çoklayacak ekilde algılayıcıların hücresel D.E.M. üzerine bilgisayar tarafından konumlandırılması için gerekli yazılım, geli tirilen yöntemler C++ dilinde kodlanarak olu turulmu tur.
Uygulama, iki a amalı olarak tasarlanmı tır:
1. Çözünürlü ü dü ürülmü D.E.M. üzerindeki algılayıcı konumlarının genetik algoritma kullanımı ile bulunması.
7.2.1. Uygulamanın birinci a aması
Algılayıcı konumlarının genetik algoritma kullanılarak kabaca belirlenebilmesi için, en iyilenecek konum de i kenlerinin kromozom yapısı içerisinde saklanması gereklidir.
Algılayıcıların hücresel koordinatları, sıfırdan ba layarak D.E.M. kapsamındaki bölgenin sınırları ile sınırlanan tamsayı yapısında kodlanmı tır. Bir algılayıcının dikey ve yatay olmak üzere iki koordinatı ve dolayısıyla kromozom içerisinde kendi konumuna kar ılık gelen iki de i keni bulunmaktadır. Kromozom, konumlandırılacak algılayıcı sayısının iki katı kadar tamsayı de i kenden olu maktadır. Bu durumda c ile ifade edilen bir kromozom için,
+
∈
∈Z n Z
c 2n, (7.1)
yazılabilir.
Her bir algılayıcının konumlandırılaca ı noktadan yüksekli i ve menzili, kromozom içerisindeki sırasına göre belirlenmektedir. Bu nedenle yükseklik ve menzil de erleri kromozom içerisinde kodlanmı de ildir.
Algılayıcıların çalı tıkları frekans de eri tüm algılayıcılar için sabit olarak kabul edildi inden, bu de er de kromozomlar içerisinde kodlanan en iyilenecek de i kenler arasında de ildir.
Popülasyondaki kromozom sayısının seçilmesi kapsamında, bu de erin algoritmanın performansına etkisinin ara tırılabilmesi ve en iyilenmesi için, 3 ark-saniye çözünürlü ü ve 2 x 2 derecelik bir alanı kapsayan S.R.T.M. modeli üzerinde yedi algılayıcının konumlandırılması için bir dakika süresince Tablo 5.2'de özellikleri verilen donanım üzerinde genetik algoritma çalı tırılmı tır. Popülasyondaki kromozom sayısına göre verilen sürede elde edilebilen en yüksek kapsama alanı,
0 1 2 3 4 5 6 7 8 1 10 100 1000 10000 100000 1000000
Popülasyondaki kromozom sayısı
E ld e ed il en e n i y i k ap sa m a al an ı . ( 1 0 0 0 k il o m et re k ar e) .
ekil 7.1: Popülasyondaki kromozom sayısına göre verilen sürede genetik algoritmayla elde