Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, İstanbul Üniversitesi Matematik Bölümü'nde araştırma görevlisi olarak çalışan Dr. Emre Akar tarafından sunulan bir eğitim programının üçüncü ve son gününe yapılan akademik bir sunumdur. Dr. Akar, fizik lisans ve bilgisayar bilimleri yüksek lisans-doktora mezunudur.
- Sunum, genetik algoritmaların temel mantığını ve çalışma prensiplerini iki ana bölümden anlatmaktadır. İlk bölümde genetik algoritmaların doğayı taklit eden bir arama algoritması olarak tanıtımı, kromozom kavramı, kodlama yöntemleri ve kromozom uzunluğunun önemi açıklanırken, ikinci bölümde dört farklı basit örnek üzerinden (Hello World uygulaması, iki değişkenli maksimizasyon problemi, paketleme problemi ve gezgin satıcı problemi) genetik algoritmaların uygulamaları gösterilmektedir.
- Sunumda ayrıca mutasyon, operatör gibi kavramlar, kromozom yapısı, topluluk büyüklüğü ve iterasyon sayısı gibi parametreler de açıklanmaktadır. Genetik algoritmaların 1975'te Holland tarafından geliştirildiği ve hala aktif geliştirme çalışmaları yapıldığı bilgisi de paylaşılmaktadır.
- 00:06Programın Tanıtımı
- Programın üçüncü ve son gününe hoş geldiniz deniliyor.
- Sunum "Genetik Algoritmalarla Sezgisel Optimasyon" başlığıyla İstanbul Üniversitesi öğretim elemanı Dr. Emre Akar tarafından verilecek.
- Sunum iki parçadan oluşacak: genetik algoritmaların mantığını anlatan ve dört basit örnek gösteren kısımlar.
- 02:44Genetik Algoritmaların Tarihi ve Temel Kavramları
- Genetik algoritmalar 1975'te Holland tarafından ortaya atılmış ve hala geliştirme çalışmaları devam ediyor.
- Goldber, bu konuda temel kaynak sayılan bir kitap yazmış ve genetik algoritmaların doğayı taklit eden bir arama algoritması olduğunu belirtmiş.
- Genetik algoritmalar aranılan problemden bağımsızdır ve "kördür" ifadesiyle tanımlanır.
- 04:04Genetik Algoritmaların Çalışma Prensibi
- Genetik algoritma, doğayı taklit ederek bir doğal ortamı simüle eder ve hayatta kalabilecek durumları belirler.
- Ortamdaki bireyler (canlılar) genetik algoritmanın ürettiği çözümlere denk gelir.
- Kromozomlar, bireylerin kalıtımının simüle edilebilmesi için kullanılır ve klasik genetik algoritmalarında ikili sayı sisteminde kodlanır.
- 06:53Kromozomların Dönüştürülmesi
- Kromozomlar belirlenen uzunlukta oluşturulur ve matematiksel fonksiyonlarda karar değişkenlerine dönüşür.
- Kromozomlar ikili sayı sistemindeki bir alfabesi kullanılarak on tabanına dönüştürülür.
- Kromozom uzunluğu, çözüm kümesinin büyüklüğünü belirler; daha hassas sonuçlar için kromozom uzunluğu artırılabilir.
- 08:36Çok Değişkenli Problemlerde Kromozom Kullanımı
- İki değişkenli problemlerde tek bir kromozom kullanılır ve iki parçaya bölünür (genlere).
- Her bir kromozom parçası (gen) bir değişken değerine karşılık gelir.
- Çözüm kümesi problemine göre ayarlanabilir ve gerekirse değerler uyarlama işlemiyle belirli aralıklara getirilebilir.
- 10:27Genetik Algoritmanın İşleyişi
- Genetik algoritma rastgele üretilen bir toplulukla çalışmaya başlar.
- Seçim operatörü, ortama uyum sağlayan kromozomları seçer.
- Çaprazlama ve mutasyon operatörleri uygulanarak yeni nesiller oluşturulur ve maksimizasyon işlemi gerçekleştirilir.
- 11:46Genetik Algoritmaların Temel Kavramları
- Genetik algoritmada kromozomlar yazı-tura yöntemi ile belirlenir ve operatör mutasyonu ile tersine çevirme işlemi gerçekleştirilerek çözüm uzayının farklı bir yerine sıçrama sağlanır.
- Faydalanma, bulunan en iyi çözümün çevresinin iyi sunulmasıdır ve problemi genetik algoritmanın ürettiği her kromozoma karşılık getirmek gerekir.
- Amac fonksiyonu genellikle maksimizasyon için, maliyet ise minimizasyon için kullanılır.
- 13:10Genetik Algoritma Uygulamaları
- İlk uygulama olarak bir grafiğin maksimum değerini arayan bir "hello world" uygulaması gösterilmiştir.
- İkinci uygulama, aradaki farkı sıfıra indirmeye çalışan bir minimizasyon problemidir ve topluluk büyüklüğü 100 olarak ayarlanmıştır.
- Gree band fonksiyonu olarak adlandırılan daha zor bir problemde, değişkenler -50 ile 50 arasında değer alır ve fonksiyon değeri eksi ile çarpılarak minimizasyon yapılır.
- 16:17Gezgin Satıcı Problemi
- Gezgin satıcı problemi, 50 veya 100 nokta olduğu zaman tüm olasılıkları denemek ve en iyi çözümü bulmanın zor olduğu bir problemdir.
- Her bir nokta arasındaki uzaklığı ölçmek için 1'den 9'a kadar sıralama yapılır ve her kromozom 9 karakterden oluşur.
- Amac, yolun minimum olması olduğundan toplam uzaklık eksi ile çarpılarak minimizasyon yapılır.