Swarm Algorithms veya Swarm Intelligence (Sürü İstihbaratı), doğadaki sürü davranışını taklit eden bir yapay zeka yöntemidir. Bu tür algoritmalar genellikle karmaşık sistemlerin optimizasyonu için kullanılır. Yapay arı kolonisi (ABC), parçacık sürüsü optimizasyonu (PSO) ve karınca kolonisi optimizasyonu (ACO) gibi çeşitli yöntemler bu kategoriye girer.

Bu algoritmalar genellikle birden çok ajan (veya "parçacık") kullanır, her biri belirli bir çözümü temsil eder. Her ajan, çevresine ve diğer ajanların durumlarına dayanarak kendi durumunu günceller. Bu süreç, ajanlar arasındaki etkileşimler yoluyla genellikle daha iyi çözümler bulmayı sağlar.

Örneğin, Parçacık Sürüsü Optimizasyonu (PSO) algoritması, parçacıkların (veya ajanların) bir arama alanında "uçarak" global optima yaklaşmaya çalıştığı bir sürü istihbaratı algoritmasıdır. Her parçacık, kendi kişisel en iyi konumunu ve sürüdeki en iyi konumu izler. Her iterasyonda, parçacıklar kendi kişisel en iyilerine ve sürünün en iyisine doğru hızlarını güncellerler.

Karınca Kolonisi Optimizasyonu (ACO) ise, karıncaların yemek kaynaklarına nasıl ulaştıklarını ve ardından nasıl geri döndüklerini taklit eder. Karıncalar yollarını takip ederken feromon bırakırlar ve diğer karıncalar bu feromon izini takip ederler. Bu şekilde, en kısa yollar zamanla feromonlarla daha yoğun şekilde işaretlenmiş olur ve bu yol üzerinden daha fazla karınca gitmeye başlar.

Yapay Arı Kolonisi (ABC) algoritması ise, bal arılarının nektar toplama sürecini modellemek için kullanılır. Arılar rastgele bir şekilde çevreyi arar ve buldukları nektarın kalitesini diğer arılara bildirirler. Bu bilgi, koloninin çoğunluğunun zaman içinde en kaliteli nektarı bulmasına yardımcı olur.

Bu tür sürü algoritmaları genellikle çoklu hedefli optimizasyon, karmaşık sistemlerin modellemesi ve zaman serileri tahmini gibi uygulamalarda kullanılır. Ayrıca genellikle genetik algoritmalar gibi diğer evrimsel algoritmalardan daha hızlıdırlar ve yerel optimumlara hapsolma riski daha düşüktür.

Sürü İstihbaratı (Swarm Intelligence) çerçevesinde birçok farklı algoritma bulunmaktadır. İşte bunlardan bazıları:

1. Parçacık Sürüsü Optimizasyonu (Particle Swarm Optimization, PSO): PSO, doğada gözlemlenen kuş sürülerinin veya balıkların davranışını modelleyen bir algoritmadır. Her parçacık, arama alanındaki bir konumu temsil eder ve en iyi çözümün yerini bulmak için sürü ile birlikte hareket eder.

2. Karınca Kolonisi Optimizasyonu (Ant Colony Optimization, ACO):ACO, karınca kolonilerinin yemek kaynaklarını nasıl bulduklarını modelleyen bir algoritmadır. Her karınca, bir çözüm yolunu temsil eder ve feromon izlerini kullanarak optimum çözümü bulmaya çalışır.

3. Yapay Arı Kolonisi (Artificial Bee Colony, ABC): ABC algoritması, bal arılarının çiçeklerden nektar toplama şeklini modellemektedir. Algoritma, izleyici, işçi ve keşif arıları olarak üç farklı arı türünü kullanır ve çözüm alanını araştırırken nektar miktarını maksimize etmeye çalışır.

4. Firefly Algorithm (FA):FA, ateş böceklerinin çiftleşme davranışını modellemektedir. Ateş böcekleri, daha parlak böceklerin yanına gitme eğiliminde oldukları için, algoritma bu konsepti en iyi çözümün peşinde "parlaklık" olarak kullanır.

5. Fish School Search (FSS): FSS, balık sürülerinin davranışını modellemektedir. Balıklar, daha fazla yiyecek bulabilecekleri bölgelere doğru hareket ederler. Aynı şekilde, FSS, çözüm alanında en iyi sonuçları veren bölgelere doğru "hareket eder".

6. Stochastic Diffusion Search (SDS): SDS, arama mekanizması olarak bir tür olasılık teorisini kullanır. Sistem, bir problemi çözmek için birden fazla hipotezi paralel olarak test eder ve en iyi hipotezleri seçer.

7. Cuckoo Search (CS): CS, doğada gözlemlenen bazı kuş türlerinin, diğer kuşların yuvalarına yumurtalarını bırakma stratejilerini modellemektedir. CS, bu stratejiyi en iyi çözümü bulmak için kullanır.

Bu algoritmalar, genellikle karmaşık optimizasyon problemlarında kullanılır ve genellikle genetik algoritmalar veya diğer evrimsel algoritmalarla karşılaştırılır.