Doğrusal Olmayan Sistem Durum Tahmini İçin Yapay Arı Kolonisi Algoritması Tabanlı Yeni Bir Parçacık Filtresi

Authors : Fatma Selcen Turgun, Hasan Zorlu

Pages : 175-189

View : 33 | Download : 28

Publication Date : 2025-04-30

Article Type : Research Paper

Abstract :Sıralı Monte Carlo yöntemi olarak da bilinen Parçacık Filtresinin (PF) temel fikri, durumun minimum varyans tahminini elde etmek için sistemin olasılık yoğunluk fonksiyonunu bazı ayrık rastgele örnekleme noktaları ile yaklaştırmaktır. Olası sistem durumlarını temsil etmek için bir dizi parçacıklar, ağırlıkları ve gözlemleri dâhil ederek tahmini sürekli olarak günceller. Bununla birlikte, çoğu parçacığın ağırlığı birkaç yinelemeden sonra ihmal edilebilir hale geldiğinden parçacık fakirleşmesi ve parçacık çeşitliliğinin azalması sorunları ortaya çıkar. Bu makale, doğrusal olmayan ve Gauss olmayan sistemler için durum tahmininde Parçacık Filtresi (PF) algoritmasının performansını artırmak için Yapay Arı Kolonisi (YAK) algoritmasının standart PF’ye dâhil edilmesini tanıtmaktadır. PF’nin sorunlarını çözmek için YAK algoritması, PF’nin yeniden örnekleme aşamasından sonra algoritmaya dâhil edilir ve parçacıkların istenen olasılık dağılımına daha etkin bir şekilde yaklaşmalarını sağlar. Önerilen yaklaşım, YAK algoritmasının güçlü yönlerinden yararlanarak en yüksek ağırlıklara sahip parçacıkları geliştirerek, sistemin gerçek durumunu daha iyi temsil etmeyi ve önemli parçacıkların sayısını artırmayı amaçlamaktadır. Önerilen yöntem, geleneksel PF ve Parçacık Sürü Optimizasyon (PSO) algoritmasıyla optimize edilmiş PF ile karşılaştırılmıştır. YAK tabanlı algoritmanın etkinliğini göstermek için bir bilgisayar simülasyonu gerçekleştirilmiştir. Simülasyon sonuçları, önerilen YAK tabanlı yeni algoritmanın tahmin doğruluğunu standart Parçacık Filtresine kıyasla önemli ölçüde iyileştirdiğini göstermektedir.
Keywords : Durum tahmini, Parçacık filtresi, Yapay arı kolonisi, Parçacık sürü optimizasyon algoritması