OPTİMİZASYON • META-SEZGİSELLER

EGO: Entropi Yönlendirmeli Optimizasyon

Bir meta-sezgisel algoritma; entropi, keşif ve yararlanma arasındaki dengeyi dinamik olarak sağlar.

Entropi Formülü

Popülasyon uygunluk dağılımının entropisi şu şekilde hesaplanır:

$$ H = - \sum_{i=1}^n p_i \log(p_i) $$

Burada $ p_i $, uygunluk sırasının normalize edilmiş olasılığıdır. Yüksek entropi → daha fazla keşif. Düşük entropi → en iyi adayların kullanımı.

Sonuçlar

EGO, Genetik Algoritma (GA), Parçacık Sürü Optimizasyonu (PSO) ve Diferansiyel Evrim (DE) ile karşılaştırıldı:

Sphere (konveks): En hızlı yakınsama.
Ackley (çok modlu): GA/PSO’nun başarısız olduğu durumlarda erken yakınsamayı önledi.
Rastrigin: Çeşitliliği daha uzun süre korudu → küresel optimuma ulaştı.

f_best(EGO) < f_best(GA, PSO, DE)
koşuların %90’ında

Etkisi

EGO, bilgi kuramı sinyallerinin (entropi) optimizasyon kararlılığını artırabileceğini gösteriyor. Gelecek çalışmalar: sinir ağı mimarisi araması ve ML hiperparametre ayarlaması.