İNSAN BEYNİ - Hasan Hüseyin BALIK

Birkaç iyi bilinen problemlerde mesela 8 vezir ve VLSI tasarımında durumun tanımınınkendisi bir çözüm için ihtiyaç duyulan tüm bilgileri içermektedir. Çözümün hangi yolla erişildiğikonu dışıdır. Bu gibi durumlarda iteratif ilerleme algoritmaları en pratik yaklaşımı sağlar. Genelfikir tam bir configürasyonla başlamak ve kalitesini arttırmak için değişiklik yapmaktır.Tavlama Benzetimi AlgoritmasıSezgiseller genellikle aşağıdaki kategorilere ayrılmaktadır:• Açgözlü yapılanma (greedy construction metotlar)• Komţu yöresi arama (neighborhood search)• Gevţetme (relaxation teknikleri)• Kısmi birerleme (partial enumeration)• Ayrıştırma (decomposition)• Bölüştürme (partition yaklaşımları)Sezgisellerin çoğu probleme özel bir yapıya sahiptirler. Bir problem için kullanılan birsezgisel, başka bir problem için kullanılamamaktadır. Bununla beraber, problemlereuygulanmaları açısından daha genel özelliğe sahip olan tekniklere ilgi son yıllarda giderekartmıştır. Bu teknikler çok sayıda problemlere uygulanmışlar ve oldukça güçlü bulunmuşlardır.Tavlama benzetimi ve tabu arama lokal komşuluk arama sezgiselinden hareketlegeliştirilmişler ve oldukça güçlü oldukları gösterilmiştir. Lokal komşuluk arama sezgiseli esasolarak şu şekilde çalışmaktadır: Proses herhangi bir başlangıç çözümü ile başlar ve bu çözümüntanımlanan komşuluğunu arayarak kendisinden daha iyi bir komşu çözümü olup olmadığınıtespit eder. Eğer böyle bir çözüm varsa aynı işlemleri bu çözümün komşuluğu için tekrar eder,aksi halde proses durur. Bu durumda en son bulunan çözüm lokal olarak optimal bir sonuçolmaktadır.Lokal optimaliteden kurtulmak için çeşitli yöntemler kullanılmaktadır. Bunlardan birisikomşuluğu genişletip içerisindeki komşu çözümleri çeşitlendirmektir. Bir diğeri ise, prosesifarklı başlangıç çözümleri kullanarak çok kez çalıştırmak ve elde edilen sonuçlar içerisinden eniyisini seçmektir. Son zamanlarda üzerinde durulan üçüncü bir yaklaşım ise “uphill” (yokuşyukarı)hareketlere izin vererek lokal bir optimumda durmadan mevcut çözümden daha kötü olsabile onun komşu çözümü üzerinden aramaya devam etmektir. Ancak “uphill” hareketlerin kabuledilmesi üzerinde bazı kısıtların olması zorunludur, aksi halde prosedür tüm çözüm uzayınısaymaya çalışacaktır. Fakat bu prensibi kullanarak lokal bir optimumdan sıçrama ve daha iyi birçözümü bulma şansı ortaya çıkmaktadır. Tabu arama ve tavlama benzetimi lokal optimumlardansakınmak için bu üçüncü yöntemi farklı yaklaşımlarla kullanmaktadırlar.