Gri kurt optimizasyon algoritmasına dayalı yol planlama problemlerini çözmek için hibrit optimizasyon algoritması

Kalabalık Şehirlerde Daha Akıllı Rotalar

Her gün sürücüler, teslimat kamyonları ve robotlar aynı sorunla karşılaşıyor: A noktasından B noktasına hızlı, güvenli ve yakıt ya da zaman israfı olmadan nasıl gidilir? Bu makale, engellerle ve yoğunlukla dolu karmaşık yol ağları içinde daha kısa ve daha düzgün rotalar planlayan yeni bir bilgisayar yöntemi sunuyor. Gri kurtların sürü hâlinde avlanma davranışından ve arayıcıların (altın kâşiflerinin) araştırma stratejilerinden ilham alarak, yazarlar araçları ve robotları yoğun kent ortamlarında daha verimli biçimde yönlendirmenin yollarını gösteriyor.

Neden Daha İyi Rotalar Önemli

Şehirler büyüdükçe ve trafik yoğunlaştıkça, rotalamadaki küçük iyileşmeler bile zaman, enerji ve kirlilik açısından büyük tasarruflara dönüşebilir. Geleneksel yol bulma yöntemleri harita basit olduğunda iyi çalışsa da, çevre çok sayıda dönüş ve engelle doluyken yavaşlayabilir veya takılıp kalabilir. Modern “akıllı” arama yöntemleri, aynı anda birçok seçeneği araştırmak ve iyi çözümlere varmak için doğayı—örneğin kuş sürülerini veya karınca kolonilerini—taklit etmeye çalışır. Gri kurt optimizasyonu adı verilen yöntem, basit ve esnek olduğu için popülerlik kazandı; ancak yine de üç ana sorundan mustarip: ikinci en iyi çözümlere takılma, erken yakınsama ve tüm haritayı yeterince kapsamaması.

Kurtları, Kaosu ve Altın Avcılarını Karıştırmak

Bu zayıflıkları aşmak için yazarlar CGGWO adını verdikleri geliştirilmiş bir versiyon tasarlıyor. Bu yöntem, en iyi rotayı arayan sanal gri kurt sürüsü fikrini koruyor, ancak sürünün yayılma ve öğrenme biçimini değiştiriyor. İlk olarak, kurtları rastgele başlangıç noktalarına yerleştirmek yerine, yöntemde kaotik haritalama adı verilen matematiksel bir hile kullanılarak arama alanına daha eşit biçimde dağıtılıyorlar. Bu, en azından bazı kurtların haritanın umut vadeden bölgelerini keşfetme şansını artırıyor. Sonra yöntem, altın arayıcılarından ilham alan başka bir teknikten bir kural ödünç alıyor: lider “alfa” kurt, arama alanının özellikle zengin bölgelerine doğru yönlendiriliyor; tıpkı madencilerin daha çok altın içeren bölgelere kademeli olarak kayması gibi. Bu adım kontrollü rastgelelik ve çeşitlilik enjekte ederek sürünün kötü yerel seçimlerden kaçmasına yardımcı oluyor.

Akıllı Değiş Tokuş ve Nazik Sarsıntı

CGGWO daha sonra kurtlar arasında bilgiyi karıştıran iki tür “çarpraz” hareket ekliyor. Yatay harekette, iki farklı aday rota parçalarını takas ediyor; bu, kör noktaları küçültüyor ve aramanın haritayı daha eksiksiz kaplamasını teşvik ediyor. Dikey harekette ise tek bir rotanın farklı bölümleri birbirleriyle karışıyor; bu, çözümün durgunlaşmış kısımlarını canlandırabilir ve sürünün hatalı bir rota üzerinde çok erken donmasını önleyebilir. Son olarak, her kurdun performansına göre yönlendirilen küçük rastgele vuruşlar sağlayan Gaussian mutasyonu—nazik bir sarsıntı—sürüye keşif sağlamaya devam ediyor. Bir kurdun rotası ortalamadan daha kötüyse ona daha güçlü bir sarsıntı uygulanıyor; bu da tüm grubun çözüm alanının bir köşesine sıkışmasını engelliyor.

Yeni Yöntemi Teste Sokmak

Araştırmacılar önce CGGWO’yu arama algoritmalarını değerlendirmek için yaygın olarak kullanılan 23 standart matematiksel bulmaca üzerinde test ediyor. Bu bulmacalar tek bir en iyi vadinin olduğu düzgün arazilerden çok sayıda yerel çökmeye sahip engebeli arazilere kadar değişiyor. Bu testlerin çoğunda CGGWO daha iyi çözümler buluyor, daha hızlı yakınsıyor ve orijinal gri kurt yöntemi, parçacık sürü optimizasyonu ve genetik algoritmalar dahil olmak üzere birkaç tanınmış rakibe kıyasla daha kararlı davranış sergiliyor. Ekip daha sonra gerçekçi bir yol planlama sorununa yöneliyor; bu sorun Lhasa’daki yoğun bir ticari alanın yakınındaki basitleştirilmiş bir cadde ızgarasına dayanıyor. Engeller tıkalı veya yoğun kesitleri temsil ediyor ve amaç başlangıç ile bitiş noktalarını bunlardan kaçınarak kısa, düzgün bir rota ile bağlamak.

Daha Kısa, Daha Düzgün Seyahatler

Trafik tarzı testte CGGWO, diğer yöntemlere kıyasla tutarlı biçimde daha az keskin dönüş içeren daha kısa yollar üretiyor ve bunun için makul düzeyde hesaplama süresi gerektiriyor. Orijinal gri kurt algoritması ve birkaç rakip teknikle karşılaştırıldığında, planladığı rotalar daha düz ve takip etmesi daha kolay; bazı karşılaştırmalarda mesafeyi yaklaşık dörtte bir oranında azaltıyor. Popüler bir dille özetle: kaos, grup avcılığı ve altın arayıcılığı fikirlerini zekice birleştirerek, yeni yöntem haritaları daha kapsamlı arıyor ve sadece iyi-yeterli çözümlere takılmaya direniyor. Bu da modern şehirlerin kalabalık, değişken labirentleri içinde hızlıca güvenli ve verimli yollar bulmak zorunda olan gelecek navigasyon sistemleri, teslimat robotları ve diğer akıllı makineler için umut verici bir araç yapıyor.

Atıf: Cheng, G., Liu, Y. Hybrid optimization algorithm for solving path planning problems based on grey wolf optimization algorithm. Sci Rep 16, 8479 (2026). https://doi.org/10.1038/s41598-026-35037-z

Anahtar kelimeler: yol planlama, optimizasyon algoritması, akıllı ulaşım, sürü zekası, robot navigasyonu