Cuckoo Search — Lévy Flight Metaheuristic
Cuckoo Search Algorithm · Ayrıca şöyle bilinir: Guguk Kuşu Araması (Cuckoo Search), CS algorithm, Cuckoo Search via Lévy Flights
Cuckoo Search (CS), Xin-She Yang ve Suash Deb tarafından 2009'da tanıtılan popülasyon tabanlı bir meta-sezgisel optimizasyon algoritmasıdır. Bu algoritma, guguk kuşlarının zorunlu kuluçka parazitliğini — yumurtalarını başka kuşların yuvalarına bırakmaları — ve arama uzayının uzun menzilli keşfine olanak tanıyan Lévy uçuşu rastgele yürüyüşlerini modellemektedir. Algoritmanın yapı mühendisliği tasarımı, makine öğrenmesi hiperparametre ayarı ve diğer sürekli kara-kutu optimizasyon problemlerinde etkili olduğu kanıtlanmıştır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Cuckoo Search, amaç fonksiyonunun sürekli, analitik olarak değerlendirilmesi maliyetli ve potansiyel olarak çok modlu (yani birçok yerel optimuma sahip olabilen) olduğu durumlarda uygundur. Gradyan bilgisi gerektirmez, bu da onu amaç fonksiyonunun iç yapısının bilinmediği kara-kutu problemleri için uygun hale getirir. Algoritma, özellikle düşük-orta boyutlu problemler (yaklaşık 2–50 değişken) için rekabetçidir. Adaptasyon olmadan ayrık veya kombinatoryal problemler için uygun değildir ve türevlerin mevcut olduğu ve problemin dışbükey olduğu durumlarda uygulanmamalıdır, çünkü bu durumda gradyan tabanlı çözücüler çok daha hızlı yakınsayacaktır.
Güçlü yönler & sınırlılıklar
- Lévy uçuşları, yerel optimumlardan kaçmaya yardımcı olan uzun menzilli keşfe olanak tanır ve yalnızca kısa Gauss adımlarına dayanan algoritmalardan daha iyi performans gösterir.
- Ayarlanması gereken çok az parametre vardır — yalnızca popülasyon boyutu (n) ve terk etme olasılığı (p_a) — bu da onu kapsamlı hiperparametre araması yapmadan dağıtmayı kolaylaştırır.
- Küçük popülasyon boyutları (15–50 yuva), fonksiyon değerlendirmelerinin sayısını düşük tutar; bu, her değerlendirmenin hesaplama açısından pahalı olduğu durumlarda değerlidir.
- Çok modlu ve yapı mühendisliği tasarımı kıyaslamalarındaki rekabetçi performansı, orijinal literatürde iyi belgelenmiştir.
- Yüksek boyutlu problemler (yaklaşık 50 değişkenin üzerinde) üzerinde yakınsama hızı, kovaryans yapısını uyarlayan CMA-ES gibi yöntemlere kıyasla yavaş olabilir.
- Lévy üssü λ ve terk etme olasılığı p_a probleme bağlıdır; kötü seçimler performansı düşürebilir, ancak evrensel otomatik ayarlama kuralı yoktur.
- Algoritma sürekli arama uzayları için tasarlanmıştır; ayrık veya karma tamsayı problemlerine uygulanması, önemsiz olmayan kodlama ve kod çözme adımları gerektirir.
- Teorik yakınsama garantileri, klasik matematiksel programlama yöntemlerine kıyasla sınırlıdır.
SSS
Cuckoo Search, Parçacık Sürü Optimizasyonundan (PSO) nasıl farklıdır?
Her ikisi de popülasyon tabanlı meta-sezgiseldir, ancak hareket mekanizmaları temelden farklıdır. PSO, parçacıkları kendi hızlarına ve kişisel ve küresel en iyilere çekilme doğrultusunda hareket ettirir — Gauss benzeri pertürbasyonlarla yönetilen bir süreç. Cuckoo Search bunun yerine, yerel optimumlardan daha agresif bir şekilde kaçmaya yardımcı olan ara sıra çok büyük adımlar üreten Lévy uçuşlarını kullanır. Cuckoo Search ayrıca ayarlanacak daha az parametreye sahiptir ve terk etme adımı, PSO'nun eksik olduğu açık bir çeşitlilik enjeksiyon mekanizması sağlar.
Popülasyon boyutu ve p_a için hangi değerleri kullanmalıyım?
Orijinal makale ve sonraki çalışmalar, 15–50 yuva popülasyonu ve 0.15–0.35 aralığında bir yabancı yumurta keşif olasılığı p_a önermektedir. 25 yuva ve p_a = 0.25 değeri yaygın bir varsayılan başlangıç noktasıdır. Problem yüksek boyutlu veya çok modlu ise, biraz daha büyük bir popülasyon ve daha düşük bir p_a yardımcı olma eğilimindedir.
Cuckoo Search kısıtlamaları ele alabilir mi?
Temel algoritma kısıtlanmamış sürekli uzaylarda çalışır. Amaç fonksiyonuna bir ceza terimi ekleyerek, uygun olmayan çözümleri en yakın uygun noktaya onararak veya epsilon-kısıtlama veya uygunluk kuralı yaklaşımları gibi kısıtlama işleme çerçeveleri kullanarak kısıtlamalar ele alınabilir. Bu uzantılar probleme özgü uygulama gerektirir.
Cuckoo Search tipik olarak kaç fonksiyon değerlendirmesi gerektirir?
Bu, problem boyutuna ve gereken çözüm kalitesine bağlıdır, ancak algoritma genellikle düşük-orta boyutlu problemler için 1.000–10.000 fonksiyon değerlendirmesinde diğer sürü yöntemleriyle rekabetçidir. Popülasyon boyutları küçük olduğundan, her iterasyon değerlendirmeler açısından ucuzdur. Her zaman birden fazla bağımsız deneme çalıştırın ve tek bir en iyi değer yerine sonuçların dağılımını raporlayın.
Kaynaklar
- Yang, X.S. & Deb, S. (2009). Cuckoo Search via Lévy Flights. 2009 World Congress on Nature & Biologically Inspired Computing (NaBIC), 210-214. IEEE. link ↗
- Yang, X.S. & Deb, S. (2013). Multiobjective Cuckoo Search for Design Optimization. Computers & Operations Research, 40(6), 1616-1624. DOI: 10.1016/j.cor.2011.09.026 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Cuckoo Search Algorithm. ScholarGate. https://scholargate.app/tr/optimization/cuckoo-search
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Differential EvolutionOptimizasyon↔ karşılaştır
- Ateşböceği AlgoritmasıOptimizasyon↔ karşılaştır
- Genetik AlgoritmaOptimizasyon↔ karşılaştır
- Harmony SearchOptimizasyon↔ karşılaştır
- Parçacık Sürü Optimizasyonu (PSO)Optimizasyon↔ karşılaştır
- Simulated AnnealingOptimizasyon↔ karşılaştır