Karınca kolonisi eniyilemesi algoritmaları için çaprazlama yöntemleri geliştirilmesi

Karınca Kolonisi Eniyilemesi (KKE) algoritmaları, karınca türlerinin doğadaki yiyecek arama davranışlarından esinlenmekte ve birçok eniyileme probleminin çözümünde kullanılmaktadır. Genetik Algoritmalar (GA) da KKE gibi popülasyon tabanlı evrimsel algoritmalar arasındadır. Ancak, GA'ın güçlü bir yönü olan çaprazlama mekanizması klasik KKE içerisinde yer almamaktadır. Bu çalışma, KKE algoritmaları için feromon tabloları tabanlı çaprazlama yöntemleri önermektedir. Birbirinden bağımsız yapay karınca kolonileri tarafından üretilen feromon tabloları, birer kromozom olarak düşünülmektedir. Bu kromozomlar, çaprazlama işleçlerinin uygulanmasının ardından, bir sonraki nesildeki karınca kolonilerine feromon tablosu olarak verilmektedir. Çaprazlamanın uygulanmasındaki temel düşünce, farklı koloniler tarafından feromon izleri şeklinde depolanmış olan yerel bilginin paylaşılması, güçlü yönlerinin birleştirilmesi ve yerel eniyiye (local optimum) takılmadan, evrensel eniyi çözüme ulaşılma olasılığının artırılmasıdır. Geliştirilen yöntemler Gezgin Satıcı Problemi üzerinde, TSPLIB içerisinde yer alan bazı karşılaştırma problemleri ile Max-Min Karınca Sistemi algoritması kullanılarak test edilmiş ve elde edilen sonuçlar sunulmuştur. Deneyler ve karşılaştırmalar, çaprazlama mekanizmalarının, KKE algoritmalarının performansını iyileştirdiğini göstermektedir.