Parçacık Sürü Optimizasyonu Nedir?

Parçacık sürü optimizasyonu (Particle Swarm Optimization, PSO), bir problemin çözüm uzayında dolaşan çok sayıda "parçacığın" birbirinden öğrenerek iyi bölgelere yönelmesine dayanan optimizasyon algoritmasıdır. 1995'te James Kennedy ve Russell Eberhart tarafından önerildi ve sürü zekâsı yöntemleri arasında yer alır.

Parçacık sürü optimizasyonu nedir?

Her parçacık, çözüm uzayında bir noktayı yani bir aday çözümü temsil eder. Parçacıkların bir konumu ve bir hızı vardır. Her parçacık, şimdiye kadar bulduğu en iyi noktayı ve tüm sürünün bulduğu en iyi noktayı hatırlar. Hareketini bu iki bilgiye göre ayarlar; tıpkı yiyecek arayan bir kuş sürüsünde bireylerin hem kendi deneyimini hem de grubun yönünü izlemesi gibi.

Nasıl çalışır?

1. Parçacıklar rastgele konum ve hızlarla başlatılır.
2. Her parçacığın bulunduğu noktanın kalitesi bir amaç fonksiyonuyla ölçülür.
3. Hız; önceki hızın bir kısmı (eylemsizlik), kişisel en iyiye doğru çekim ve sürünün en iyisine doğru çekimin toplamı olarak güncellenir.
4. Parçacık yeni hızıyla konumunu değiştirir; döngü tekrarlanır.

Kullanım alanları ve sınırları

PSO, sürekli sayılarla tanımlanan problemlerde kolay uygulanır: mühendislik tasarım parametrelerinin ayarlanması, kontrol sistemleri ya da hiperparametre optimizasyonu bunlara örnektir. Türev bilgisine ihtiyaç duymaması önemli bir avantajdır.

Öte yandan sürü bir bölgeye çok erken toplanırsa daha iyi çözümleri kaçırabilir. Eylemsizlik ve çekim katsayıları gibi parametreler sonucu belirgin biçimde etkiler. Diğer metasezgisel yöntemler gibi PSO da en iyi çözümü garanti etmez, makul sürede iyi bir çözüm bulmayı hedefler.