Derin Q Ağları Tabanlı Parçacık Sürü Optimizasyonu

Günümüzde, yapay zekâ ve makine öğrenmesi teknolojilerindeki hızlı gelişmeler, optimizasyon problemlerinin çözümüne farklı ve yenilikçi yaklaşımlar getirmiştir. Bu yöntemler, problem çözümünde klasik optimizasyon tekniklerine alternatif yaklaşımlar sunmaktadırlar. Optimizasyon problemlerinin çözümünde sıklıkla kullanılan metasezgisel algoritmaları makine öğrenmesi teknikleriyle birlikte kullanmak güçlü bir potansiyel sunmaktadır. Bu çalışmada doğa esinli bir metasezgisel algoritma olan parçacık sürü optimizasyonu ile bir makine öğrenmesi yöntemi olan pekiştirmeli öğrenmeyi birlikte kullanan bir model önerilmiştir. Önerilen model 9 tane kıyaslama problemi kullanılarak 50 ve 100 boyut için test edilmiştir. Elde edilen sonuçlar pekiştirmeli öğrenmenin PSO’nun yakınsama ve küresel keşif yeteneklerini geliştirmek için büyük bir potansiyel sunduğunu göstermektedir.