Jellyfish Arama Optimizeri
Jellyfish Search Optimizer · Ayrıca şöyle bilinir: JSO
Jellyfish Search Optimizer (JSO), Shi ve arkadaşları tarafından 2022'de tanıtılan, okyanus ortamlarındaki denizanasıların hareket ve beslenme davranışlarına dayanan biyolojik esinli bir meta-sezgisel algoritmadır. Denizanasıların pasif sürüklenme (keşif) ve besin kaynaklarına doğru aktif yüzme (sömürü) olmak üzere iki farklı davranışı sergilemesi, JSO'nun bu davranışları yakalayarak küresel arama ve yerel iyileştirme arasında etkili bir denge oluşturmasını sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
JSO'yu mühendislik tasarımı, fonksiyon optimizasyonu ve makine öğrenmesi parametre ayarlaması dahil olmak üzere sürekli optimizasyon problemlerine uygulayın. Özellikle karmaşık eğimli, çok modlu problemler için etkilidir. Gradyan bilgisinin mevcut olmadığı ve sağlam küresel aramanın gerekli olduğu problemler için uygundur.
Güçlü yönler & sınırlılıklar
- Pasif sürüklenme ve aktif yüzmeyi birleştiren benzersiz hareket modeli, doğal keşif-sömürü dengesi sağlar
- Çeşitli kıyaslama fonksiyonları ve gerçek dünya optimizasyon problemlerinde güçlü ampirik performans
- Basit matematiksel işlemler, iterasyon başına hesaplama açısından verimli maliyet sağlar
- Popülasyon çeşitliliğini korumada ve erken yakınsamadan kaçınmada etkilidir
- Çeşitli alanlarda sınırlı uzun vadeli ampirik doğrulamaya sahip nispeten yeni bir algoritma
- Çok yüksek boyutlu problemler üzerindeki performans özellikleri kapsamlı bir şekilde belgelenmemiştir
- Yakınsama davranışı, problem yapısına ve başlangıç popülasyon dağılımına bağlı olarak değişir
SSS
JSO'nun pasif sürüklenme mekanizması diğer sürü algoritmalarından nasıl farklıdır?
Tüm bireylerin tekdüze bir şekilde en iyi çözüme çekildiği algoritmaların aksine, JSO bireyleri, en iyi çözüme olan ilişkilerine bağlı olarak değişen oranlarda sürüklenir, bu da doğal okyanus akıntısı dinamiklerini andıran daha incelikli bir keşif-sömürü dengesi yaratır.
JSO'da rastgele hareketin rolü nedir?
Rastgele hareketler birden fazla amaca hizmet eder: bireylerin yerel optimumlardan kaçmasına, popülasyon çeşitliliğini korumasına ve durgunluğu önlemesine yardımcı olurlar. Sürüklenme ve rastgele hareket arasındaki denge, algoritma performansı için kritik öneme sahiptir.
JSO kısıtlı optimizasyon için uygun mudur?
Evet, JSO, kısıt ihlallerinin çözüm uygunluğunu azalttığı ceza fonksiyonu yöntemleri aracılığıyla kısıtlamaları ele alabilir. Sürüklenme ve hareket mekanizmaları, daha iyi çözümler ortaya çıktıkça aramayı doğal olarak uygun bölgelere yönlendirir.
Popülasyon büyüklüğü JSO performansını nasıl etkiler?
Popülasyon büyüklükleri tipik olarak 10-50 denizanası arasında değişir. Daha büyük popülasyonlar arama uzayının keşfini iyileştirir ancak hesaplama maliyetini artırır. 30 birey ile başlayın ve problem karmaşıklığına ve yakınsama hızına göre ayarlayın.
Kaynaklar
- Shi, X., Sun, Y., Zhan, Z. H., Yuen, K. F., & Zhang, J. (2022). Jellyfish search optimizer: A new bio-inspired metaheuristic algorithm for solving optimization tasks. Neural Computing and Applications, 34(10), 7651-7673. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Jellyfish Search Optimizer. ScholarGate. https://scholargate.app/tr/optimization/jellyfish-search-optimizer
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Aquila OptimizatörüOptimizasyon↔ karşılaştır
- Parçacık Sürü Optimizasyonu (PSO)Optimizasyon↔ karşılaştır
- Slime Mould AlgoritmasıOptimizasyon↔ karşılaştır