Parçacık Sürü Optimizasyonu (PSO)

Parçacık sürü optimizasyonu nedir?

Parçacık sürü optimizasyonu (Particle Swarm Optimization, PSO), 1995'te James Kennedy ve Russell Eberhart tarafından ortaya atılan bir optimizasyon yöntemidir. Amacı, çok sayıda olası çözümü aynı anda deneyerek bir problemin en iyi cevabını bulmaktır. Her aday çözüm bir parçacık; parçacıkların tamamına ise sürü denir.

İlham kaynağı doğadır: kuş sürülerinin ve balık kümelerinin, basit kurallarla nasıl ortaklaşa akıllı hareket ettiği. Kennedy ve Eberhart, bu sürü davranışının bir problemin çözüm uzayını taramak için kullanılabileceğini fark etti.

Nasıl çalışır?

Her parçacık, çözüm uzayında bir noktada durur ve bir hızla hareket eder. Hareketini iki şey yönlendirir:

• pbest: Parçacığın kendi şimdiye kadar bulduğu en iyi konum. Yani kişisel hafızası.
• gbest: Tüm sürünün bulduğu en iyi konum. Yani ortak bilgi.

Her adımda parçacığın hızı güncellenir: önceki hızına, biri pbest'e biri gbest'e doğru çeken iki rastgele kuvvet eklenir. Sonra parçacık bu hızla yeni konumuna geçer. Önceki hız tamamen silinmediği için parçacıklar hedefi biraz aşar ve yeni bölgeleri keşfeder — bu momentum olmadan yöntem global en iyiyi bulmakta çok zorlanır.

Özü bu kadar basittir; birkaç satır kodla yazılabilir ve çok az bellek ister.

Neden önemli?

PSO, türev hesabı gerektirmez. Yani fonksiyonun matematiksel eğimini bilmene gerek yoktur — sadece bir çözümün ne kadar iyi olduğunu ölçebilmen yeter. Bu, gradient descent gibi yöntemlerin zorlandığı pürüzlü, çok tepeli ya da türevi alınamayan problemlerde onu güçlü kılar. Orijinal makalede bir sinir ağının ağırlıklarını eğitmek için backpropagation'a alternatif olarak kullanıldığı gösterildi.

Kullanım alanları

Mühendislik tasarımı, hiperparametre optimizasyonu, sinir ağı eğitimi, enerji sistemleri ve lojistik gibi çok değişkenli, sürekli optimizasyon problemleri PSO'nun doğal sahasıdır. Genetik algoritma ve karınca kolonisi optimizasyonu gibi diğer doğadan ilham alan yöntemlerle aynı aileden gelir.