Atık toplama ağlarında yönlendirme verimliliği için ACO, Dijkstra ve NN’nin karşılaştırmalı çalışması

Neden daha akıllı çöp rotaları önemli?

Sokaklarınızdan geçen her çöp kamyonunun arkasında karmaşık bir bulmaca yatar: birçok konteyneri ve mahalleri mümkün olduğunca az sürüş mesafesiyle nasıl ziyaret edersiniz? Şehirler milyarlarca ton atık üretirken yakıt maliyetleri ve emisyonlar artıyor; bu nedenle rotalamada yapılacak küçük iyileştirmeler bile para tasarrufu, kirliliğin azalması ve trafik yükünün hafiflemesi anlamına gelebilir. Bu makale modern şehirler için pratik bir soruyu sorar: atık toplama kamyonları için rotaları hesaplamanın üç popüler yönteminden ağlar büyüdüğünde ve yoğunlaştığında hangisi gerçekten en iyi sonucu verir?

Yol bulmanın üç yolu

Çalışma, her biri farklı bir karar verme tarzını yansıtan üç yönlendirme yöntemini karşılaştırır. Birinci yöntem, Karınca Koloni Optimizasyonu (ACO) olarak adlandırılır ve gerçek karıncaların feromon izleri bırakıp takip etmesinden esinlenmiştir: umut veren yollar zaman içinde güçlendirilir, zayıf olanlar ise kaybolur. İkincisi, Dijkstra algoritması, koşullar sabit ve biliniyorsa ağda her zaman en kısa yolu bulan klasik bir matematik tarifidir. Üçüncüsü, En Yakın Komşu yaklaşımı hızlı bir insan tahminini taklit eder: bulunduğunuz noktadan en yakın ziyaret edilmemiş noktaya gidin, sonra yineleyin. Üçü de kavramsal bir şehir haritası üzerinde uygulanır; kavşaklar ve atık toplama noktaları düğümler olarak temsil edilir ve yollar mesafe ile tıkanıklığı yansıtan maliyetlerle bağlanır.

Fikirleri test etmek için sanal şehirler inşa etmek

Yazarlar belirli bir kasabaya bağlı kalmak yerine tipik kentsel düzenlere benzeyen sentetik yol ağları kurarlar. Bu ağlar seyrektir, her nokta sadece birkaç diğerine bağlıdır ve küçük mahallelerden daha geniş şehir bölgelerine benzetmek için 10’dan 50’den fazla konuma kadar değişen boyutları içerir. Yol parçalarına “tıkanıklık-ağırlıklı” maliyetler verilir; böylece daha yoğun veya daha uzun yollar kullanmak için daha pahalı hale gelir. Bu sanal haritaların her birinde, üç algoritmadan istenen düşük maliyetli yollar belirlenmiş bir başlangıç ve varış noktası arasında bulunur. Karşılaştırmanın adil olması için hepsi aynı temel maliyet yapısını kullanır ve rastgeleliğe dayanan yöntemler çok kez çalıştırılarak ortalama performansları ve değişkenlikleri ölçülür.

Kafa kafaya testlerin ortaya koydukları

Sonuçlar belirgin bir desen gösterir. Küçük, orta ve büyük ağlarda ACO tutarlı şekilde en düşük ortalama toplam maliyete sahip rotaları keşfeder. Karıncalar rastgele dolaşır, deneyimden öğrenir ve zamanla daha ucuz yollara odaklanır; bu, ağlar büyüdükçe ve yol maliyetleri daha düzensiz hale geldikçe özellikle faydalıdır. Dijkstra algoritması son derece kararlıdır: aynı harita ve maliyetler verildiğinde her zaman aynı yolu döndürür ve sonuçlarda çok az yayılma görülür. Ancak tıkanıklık-ağırlıklı maliyetler ve daha karmaşık düzenler söz konusu olduğunda, iyi ayarlanmış bir ACO tarafından bulunan rotalardan biraz daha maliyetli olabilir. En Yakın Komşu yöntemi çalıştırması en hızlı olanıdır ama en kötü performansı gösterir: her zaman en yakın noktayı kovalamaya eğilimli olduğundan daha akıllı uzun vadeli kestirmeleri gözden kaçırır ve en pahalı ve en tutarsız rotaları üretir.

Farkların gerçek olduğunu doğrulamak

Bu performans farklarının yalnızca rastgele varyasyonlardan kaynaklanmadığından emin olmak için yazarlar Wilcoxon işaretli sıralar testi olarak bilinen istatistiksel bir aracı kullanır. Bu test, verilerin çan eğrisini izlediğini varsaymadan aynı ağ örnekleri üzerindeki eşleştirilmiş sonuçları karşılaştırır. İncelenen her ağ boyutunda test, ACO’nun Dijkstra ve En Yakın Komşu’ya karşı sağladığı maliyet tasarruflarının tesadüfi değil istatistiksel olarak anlamlı olduğunu gösterir. Aynı zamanda yayılma ölçüleri, kararlılık ile esneklik arasındaki takası ortaya koyar: Dijkstra’nın yolları neredeyse hiç değişmezken, ACO’nun sonuçları alternatifleri keşfederken çalışma tekrarıyla biraz kayar ve en iyi rotalara yakınsayar.

Bu şehir sokakları için ne anlama geliyor

Belediye yöneticileri için makalenin mesajı hem pratik hem de sezgiseldir. Yol ağı küçük ve koşullar oldukça sabitse Dijkstra gibi klasik en kısa yol yöntemleri basit ve güvenilirdir. Ağlar daha büyük olduğunda ve tıkanıklık veya diğer maliyetler mekâna göre değiştiğinde, karınca esinli bir yaklaşım arka planda daha fazla hesaplama gerektirse bile gözle görülür şekilde daha ucuz rotalar sağlayabilir. Hızlı ve kaba En Yakın Komşu stratejisi ise hızı cazip olsa da sürekli olarak para ve yakıt israfına yol açar. Genel olarak çalışma, denenmiş bir rehber sunar: küçük, öngörülebilir durumlar için deterministik yöntemleri seçin; modern, büyüyen şehirlerde maliyet-etkin, ölçeklenebilir atık toplama planlaması yaparken uyarlanabilir, sürü tabanlı optimizasyona öncelik verin.

Atıf: Anitha, R., Parthiban, A. Comparative study of ACO, dijkstra, and NN for routing efficiency in waste collection networks. Sci Rep 16, 13346 (2026). https://doi.org/10.1038/s41598-026-42866-5

Anahtar kelimeler: kentsel atık toplama, rotayı optimize etme, karınca koloni optimizasyonu, en kısa yol algoritmaları, akıllı şehir lojistiği