Parçacık Sürüsü Optimizasyonu, Sürü Zekası kullanılarak oluşturulmuş problem çözümünde önemli bir yaklaşımdır. Bu çalışma, PSO algoritmasının; hareketli robotlara ortam değişikliklerine cevap verip hedefine ulaşmasına olanak veren geliştirilmiş adaptif bir sürümünü sunmaktadır. Bu geliştirilmiş algoritmanın bir diğer önemli özelliği ise ortamdaki engel ve hedef konumlarının değişimine anlık cevap verebilmesidir. Sonuç olarak ortamdaki robotlar sabit veya hareketli engelleri aşıp hareketsiz veya hareketli hedeflere ulaşabilmektedir. Yapılan sistem değerlendirilmelerinde alınan kesin ve gözle görülen değişiklikler bu konuda yapılacak sonraki çalışmalara motivasyon sağlamakla beraber PSO için önemli bir gelişme olarak literatürde yerini alacağını göstermektedir.
Geliştirilen yeni optimizasyonun farkını anlamak için tabi ki önceki çalışmalarla kıyaslamak fikir verecektir. Literatür taramasından anlaşılacağı üzere bu çalışma önceki yapılanlara göre çok farklı bir alanda yapılmıştır. Önceki geliştirmeler performans sorunu ve farklı problemlerin çözümü için olsa da bu çalışma tamamen PSO optimizasyoununun kendisine yöneliktir. Ortaya çıkan çalışma, hareketli hedef engel özelliğiyle beraber sürüye sağladığı otomatik hacim küçültme ve önceki çalışmalardan esinlenerek yapılan performans iyileştirmeleriyle optimizasyona önemli bir katkıda bulunmuştur.
Geliştirilen farklı versiyonlarıyla toplamda 3 farklı davranış kabiliyetini göstermesi beklenmiştir. İlk performans testi algoritmanın hareketli engelleri aşmasını, ikincisi bu hareketli engelleri aşarken herhangi bir engele yaklaştığında hacim küçültme kabiliyetini, bu işleri daha hızlı yapabilmesi için PSO’da yapılan başka bir değişiklikle algoritmanın zaman tasarrufu ve son olarak farklı sürülerin aynı ortamda performansı test edilmiştir.
Bundan sonraki çalışmalar da sürünün hareket kabiliyetini arttıracak şekilde olmalıdır ki bu çalışma sonrakiler için temel teşkil edebilsin. Bu çalışmalara örnekler ise bu çalışmada geçen
KAYNAKLAR
Anonim 2016. Web Sitesi: “http://www.cs.cmu.edu/~reliability/images/MER2.jpg”, Erişim Tarihi: 20/07/2016.
Anonim 2016. Web Sitesi:
“http://www.sondakikahaberleri.info.tr/images/haberresim/5371-iran-koyunlarini- ermenistan-da-otlatacak.jpg”, Erişim Tarihi: 20/07/2016.
Anonim 2016. Web Sitesi: “http:// http://teknolojikgelismeler.net/wp-content/uploads/2013/01/yapay-zeka.jpg”, Erişim Tarihi: 20/07/2016.
Brambilla, M., Ferrante, E., Birattari M. and Dorigo M. 2013. “Swarm robotics: a review from the swarm engineering perspective”. Swarm Intell; 7:1-41.
Brutschy, A. 2009.”Task Allocation in Swarm Robotics”, MSc, Université Libre de Burssels, Belgium.
Campo, A., Nouyan, S., Birattari, M., Groß, R. and Dorigo M. 2006. “Negotiation of goal direction for cooperative transport. Ant Colony Optimization and Swarm Intelligence” Volume 4150 of the series Lecture Notes in Computer Science, pp. 191-202.
Cai, Y., Chen, Z., Li, J., Li, Q. and Min H. 2013. “An Adaptive Particle Swarm Optimization Algorithm for Distributed Search and Collective Cleanup in Complex Environment”. School of Software Engineering, South China University of Technology, Guangzhou 510006,Information Science and Technology School, Zhanjiang Normal University, Zhanjiang 524299, China,Department of Computer Science, City University of Hong Kong, Hong Kong.
Castello, E., Yamamoto, T., Nakamura, Y. and Ishiguro, H. 2013. “Task Allocation for a Robotic Swarm Based on an Adaptive Response Threshold Model”. 13th International Conference on Control, Automation and Systems (ICCAS 2013) Oct. 20-23, 2013 in Kimdaejung Convention Center, Gwangju, Korea.
Consoli, S., Moreno Perez, J. A., Darby-Dowman, K. and Mladenovic, N. 2007.
“Discrete Particle Swarm Optimization for the minimum labeling Steiner tree problem”.
Dai, H. 2009. “Adaptive Control in Swarm Robotic Systems. The Hilltop Review”;
3:54-67.
Farokhnia, N., Khoraminia, R. and Gharehpetian, G.B. 2010. “Optimization of PI Controller Gains in Nonlinear Controller of STTCOM Using PSO and GA”, International conference on Renewable Energies and Power Quality, Granada (Spain), 23rd to 25th March.
Ferrante, E., Turgut, A.E., Mathews, N., Birattari, M. and Dorigo M. 2010. “Flocking in
stationary and non-stationary environments: a novel communication strategy for heading alignment”. In Lecture notes in computer science, Berlin:
Springer; 331-340.
Ferrante, E., Turgut, A.E., Huepe, E., Stranieri and C., Dorigo, M. 2012. “Self-organized flocking with a mobile robot swarm: a novel motion control method”. Adaptive Behavior; 2-45.
Galstyan, A. and Lerman, K., 2005. “Analysis of a Stochastic Model of Adaptive Task Allocation in Robots”. Information Sciences Institute University of Southern California Marina del Rey, California.
Hallam, B., Floreano, D. and Meyer, JA. 2002. “Minimalist Coherent Swarming of Wireless Networked Autonomous Mobile Robots”. In: From animals to animats 7: Proceedings of the Seventh International Conference on Simulation of Adaptive Behavior, 1, MIT Press, pp.373-.
Hassan, R., Kohanim, B. and Weck, O. D. 2004 “A comparison of Particle Swarm Optimization and Genetic Algorithm”, Massachusetts Institute of Technology, Cambridge.
Hayes, A. and Dormiani-Tabatabaei, P. 2002. ”Self-organized flocking with agent failure: Off- line optimization and demonstration with real robots”. In:
Proceedings of the IEEE international conference on robotics and automation;
New Jersey, USA: IEEE Press, pp. 3900–3905.
Jamshidpey, A. and Afsharchi, M., 2015. “Task Allocation in Robotic Swarms: Explicit Communication Based Approaches”. Institute for Advanced Studies in Basic Sciences Department of Computer Science, University of Zanjan, Iran.
Laskari, E. C., Parsopoulos, K. E. and Vrahatis, M. N. 2007. “Particle Swarm Optimization for Integer Programming”, Conference on Advance Computing Swarm Robots Task Allocation Problem.
Liu W., Wineld A., SA J., Chen, J. and Dou, L. 2007. “Strategies for energy optimization in a swarm of foraging robots”. In Swarm robotics (pp. 14-26).
Springer Berlin, Germany.
Mohamed, A. Z., Lee, S. H., Hsu, H. Y. and Nath, N. 2012. “A faster path planner using accelerated particle swarm optimization”. Artificial Life and Robotics, vol.
17, no. 2, pp. 233–240.
Montes, M. A., Stutzle, T., Birattari, M. and Dorigo M. 2008. “Frankensein’s PSO: A Composite Particle Swarm Optimization Algorithm”, IRIDIA- Technical Report Series ISSN 1781-3794, January 2008.
Navarro, I. and Matía, F. 2012. “An Introduction to Swarm Robotics”. ETSI Industriales, Universidad Politécnica de Madrid, c/José Gutiérrez Abascal, 2, 28006 Madrid, Spain.
Nouyan, S., Gro, R., Bonani, M., Mondada, F. and Dorigo M. 2009.”Teamwork in self-organized robot colonies. Evolutionary Computation”. In: IEEE Transactions on, 13(4), 695-711, Belgium.
Nurzaman, S.G., Matsumoto, Y., Nakamura, Y., Koizumi, S. and Ishiguro, H. 2008.
“Attractor Selection-Based Biologically Inspired Navigation System”. In Proc. of the 39th International Symposium onRobotics (ISR), pp. 837-842, Seoul, South Korea.
Ojha, R. and Das, M. 2012. “An Adaptive Approach for Modifying Inertia Weight using Particle Swarm Optimisation”. Computer Science and Engineering, Biju Patnaik University Of Technology, Gandhi Institute Of Technology and Management Bhubaneswar, Odisha 752054 , Computer Science and Engineering, KIIT University, School Of Computer Engineering Bhubaneswar, Odisha 751024, India.
Obaidy, M. Al. and Ayesh, A. 2008. “The Implementation of Optimization Algorithm for Energy Efficient Dynamic Ad hoc Wireless Sensor Networks”, Proceedings of the Fourth International Workshop on Advance Computation for Engineering Applications, Japan, pp. 17-23.
Panduro, M. A., Brizuela, C. A., Balderas, L. I. and Acosta, D. A., 2009. “A comparison between Genetic Algorithms, Particle Swarm Optimization and the Differential Evolution method for the design of scan able circular antenna arrays”, Progress In Electromagnetic Research B, Vol. 13, 171-186.
Panigrahi, B. K., Pandi, V. R., Das S. 2008. “Adaptive particle swarm optimization approach for static and dynamic load despatch”, Conference on Energy Conversion and Management, pp.1407-1415.
Rokbani, N, Momasso, Al. and Alimi, Am. 2013. “Ant Supervised by PSO Meta- heuristic with Application to TSP”. In: International Conference on Control, Engineering & Information Technology (CEIT'13) Proceedings Engi neering
& Technology; 4: 148 -.
Sarma, S., Lohit, V. and Jayaraj, D. 2012. “Path Planning in Swarm Robots using Particle Swarm Optimization on Potential Fields”. International Journal of Computer Applications; 60:13-20.
Settles, M. and Soule, T. 2007. “Breeding Swarm a GA/PSO Hybrid” Department of Computer Science, University of Idaho, Moscow, Idaho,.
Soudan, B., Saad, M. 2008. “An Evolutionary Dynamic Population Size PSO Implementation”. In: Information and Communication Technologies: From Theory to Applications, ICTTA. 3rd International Conference; 7-11 June;
Damascus, Syria, pp. 1- 5.
Vicmudo, MP. Dadios, EP. and Vicera RRP. 2013. “Path Planning of Underwater Swarm Robots using Genetic Algorithm”. In: 7th IEEE International
Conference Humanoid, Nanotechnology, and Palawan, Philippines.
Saska, M., Macas, M., Preucil, L. and Lhotska L., 2008. “Robot Path Planning using Particle Swarm Optimization of Ferguson Splines”. Robotics and Telematics Julius-Maximilians University Wuerzburg, the Gerstner Laboratory for Intelligent Decision Making Czech Technical University in Prague, Czech Republic.
Thrun, S. 2003. “Robotic mapping: a survey”. In Exploring Artificial Intelligence in the New Millennium, The Morgan Kaufmann Series in Artificial Intelligence, chapter 1, pp. 1–35, Morgan Kaufmann, Mateo, Calif, USA.
Wang, J. 2007. “A Novel Discrete Particle Swarm Optimization Based on Estimation of Distribution”, ICIC 2007, LNAI 4682, pp. 791-802.