Bu çalışma, bir mobil robot kontrol sistemi için kullanılabilecek farklı yapay zekâ teknolojileri arasından uygun seçeneği belirlemek amacıyla bulanık tercih ilişkilerine dayalı bir karar yöntemi geliştirmektedir. Yöntem; genetik algoritma, yapay sinir ağı, uzman sistem ve bulanık kontrol olmak üzere dört alternatifi, birden fazla değerlendirme kriteri altında karşılaştırmakta ve baskın olmayan alternatiflerin derecelerini hesaplamaktadır. “Fregat” mobil robotik sulama sistemi için verilen örnek hesaplamada son düzeltilmiş baskın-olmama dereceleri sırasıyla 0,4; 0,8; 0,5 ve 1,0 olarak elde edilmiş ve en yüksek değere sahip x₄, yani bulanık kontrol tabanlı algoritma seçilmiştir. Bununla birlikte çalışma, bu seçimin gerçek saha deneyinde diğer üç yöntemden daha yüksek hareket doğruluğu, sulama verimi veya enerji performansı sağladığını deneysel olarak göstermemektedir; sonuç, çalışmada tanımlanan bulanık tercih matrisleri ve kriter ilişkileri altında yapılan matematiksel seçime aittir.

Modelin temel problemi, mobil robotlarda tek bir yapay zekâ yönteminin her görev için eşit derecede uygun olmamasıdır. Sensör verilerinin işlenmesi, çevrenin değerlendirilmesi, karar verme, hareket planlama ve teknik işletme gibi görevler farklı hız, doğruluk, kaynak kullanımı ve güvenilirlik gereksinimleri oluşturabilir. Araştırmacılar bu nedenle aday teknolojileri tek bir ölçüte göre değil, bulanık önem ve tercih ilişkileri üzerinden çok ölçütlü olarak karşılaştırmayı önermektedir.

Türkiye açısından çalışma özellikle tarımsal robotik, otonom sulama, hassas tarım ve farklı endüstriyel mobil robot uygulamalarında kullanılacak kontrol yaklaşımının seçimi açısından kavramsal bir yöntem sunmaktadır. Bununla birlikte sonuçlar Türkiye'deki tarla koşullarında doğrulanmamıştır. Toprak yapısı, arazi geometrisi, nem dağılımı, hareket altyapısı, sensörler, hesaplama donanımı ve kontrol gereksinimleri değiştiğinde tercih matrislerinin ve dolayısıyla seçilen teknolojinin yeniden belirlenmesi gerekir.

Araştırmanın temel sorusu nedir?

Araştırmanın temel sorusu, mobil robot kontrol sistemindeki belirli görev ve prosedürleri gerçekleştirmek için hangi yapay zekâ teknolojisinin en uygun olduğunun nasıl sistematik biçimde seçilebileceğidir. Çalışma, yapay zekâ yöntemlerinin yalnız teknik isimlerine veya tek bir performans ölçüsüne bakmak yerine farklı kriterler altında birbirlerine göre tercih derecelerini kullanmaktadır.

Mobil robotların çevreden sensör verisi toplaması, dış durumu değerlendirmesi, davranış hedefi seçmesi, hedefe ulaşmak için plan üretmesi ve hareketini kontrol etmesi gibi işlevlerin farklı yapay zekâ yaklaşımlarından yararlanabileceği belirtilmektedir. Kaynak; bulanık mantık, yapay sinir ağları, nöro-bulanık ağlar, yapay bağışıklık sistemleri, genetik algoritmalar ve sürü zekâsı gibi yöntemleri mobil robotik bağlamında anmaktadır.

Neden bulanık karar yaklaşımı kullanılıyor?

Çalışmanın gerekçesi, mobil robot kontrolüne giren bütün bilgilerin kesin ve nicel olmamasıdır. Özellikle robotik sulama örneğinde bitki türü, arazi şekli, robotun hareket hızı, toprak nemi, toprak türü ve hava koşulları gibi farklı yapıdaki bilgiler birlikte değerlendirilmelidir.

Araştırmacılar, bu nedenle yalnız klasik sayısal karşılaştırmalar yerine alternatiflerin birbirine göre ne ölçüde tercih edildiğini [0,1] aralığında ifade eden bulanık tercih ilişkileri kullanmaktadır. Burada 0 ile 1 arasındaki değerler fiziksel bir ölçüm birimi değil, model içinde tanımlanan tercih veya üyelik dereceleridir.

Aday yapay zekâ teknolojileri nasıl tanımlandı?

Çalışmanın “Fregat” uygulamasında aday kümesi:

\[ X=\{x_1,x_2,x_3,x_4\} \]

olarak tanımlanmıştır.

Değerlendirme kriterleri nelerdir?

Kriterler genel olarak:

\[ Q=\{q_1,q_2,q_3,q_4\} \]

kümesiyle gösterilmektedir.

Kriter önemleri nasıl ifade ediliyor?

Kriterlerin birbirlerine göre önem derecesi bulanık ilişki:

\[ \mu(q_i,q_j) \]

ile temsil edilmektedir. Çalışmadaki örnek önem matrisi şöyledir:

Bu matris, kriterlerin birbirlerine göre “en az ne kadar önemli” değerlendirildiğini bulanık derecelerle göstermektedir. Çalışma bu sayısal derecelerin deneysel olarak nasıl elde edildiğini veya uzman değerlendirmelerinin kaç kişiyle gerçekleştirildiğini ayrıntılı biçimde açıklamamaktadır; bu durum yöntemin tekrarlanabilirliği açısından önemli bir sınırlılıktır.

Alternatifler nasıl karşılaştırılıyor?

Her kriter için alternatiflerin ikili tercih derecesi:

\[ \varphi:X\times X\times Q\rightarrow[0,1] \]

ilişkisiyle tanımlanmaktadır. Burada:

\[ \varphi(x_i,x_j,q_k) \]

ifadesi, q_k kriteri altında x_i alternatifinin x_j alternatifine göre tercih derecesini temsil etmektedir.

Baskın olmayan alternatif derecesi nasıl hesaplanıyor?

Çalışmanın birinci bağıntısı belirli bir kriter için baskın olmayan alternatiflerin bulanık alt kümesini tanımlar:

\[ \varphi^{nd}(x_i,q_k) = 1-\sup \left[ \varphi(x_j,x_i,q_k) - \varphi(x_i,x_j,q_k) \right] \tag{1} \]

Bu bağıntının amacı, başka bir alternatif tarafından daha güçlü biçimde tercih edilen seçeneklerin baskın-olmama derecesini azaltmaktır. Çalışma formülü bu biçimde vermektedir; formüle kaynakta bulunmayan ek bir düzeltme veya koşul eklenmemiştir.

Kriterlerin önem ilişkisi nasıl birleşiyor?

İkinci bağıntı, kriter bazındaki baskın-olmama derecelerini kriterlerin bulanık önem ilişkisiyle birleştirir:

\[ \eta(x_j,x_i) = \sup \min \left\{ \varphi^{nd}(x_i,q_k), \varphi^{nd}(x_j,q_l), \mu(q_k,q_l) \right\} \tag{2} \]

Bu adım tek bir kriter yerine bütün kriterler arasındaki ilişkilerin karar yapısına katılmasını amaçlamaktadır.

Genel baskın-olmama derecesi

Çalışmanın üçüncü bağıntısı:

\[ \eta^{nd}(x_i) = 1-\sup \left[ \eta(x_j,x_i)-\eta(x_i,x_j) \right] \tag{3} \]

şeklindedir. Ardından kaynakta dördüncü bağıntı:

\[ \eta^{nd}(x_i) = \min \left\{ \eta^{nd}(x_i), \eta(x_i,x_j) \right\} \tag{4} \]

olarak verilmektedir. Dördüncü bağıntıda j indeksinin nasıl seçildiği metinde ayrıca açımlanmamıştır; bu nedenle burada kaynakta bulunmayan bir matematiksel yorum eklenmemiştir.

Tablo 1(a): doğruluk ve problem çözme hızı için tercih ilişkileri

Tablo 1(b): kaynak kullanımı ve q4 kriteri için tercih ilişkileri

Kaynak, q₄'ü Tablo 1(b)'de “Reliability” olarak adlandırmaktadır; aynı kriter daha önce metinde “accuracy of problem solving” olarak tanımlanmıştır.

Hesaplama sonucunda hangi yöntem seçiliyor?

Birinci bağıntı kullanılarak kriter bazında elde edilen baskın-olmama değerleri çalışmada şu şekilde verilmektedir:

Üçüncü bağıntıdan sonraki genel baskın-olmama dereceleri:

Dördüncü bağıntı ile yapılan son düzeltmeden sonra ise:

Sonuç olarak çalışma, tanımlanan tercih yapısı altında x₄ — bulanık kontrol tabanlı algoritmayı en yüksek baskın-olmama derecesine sahip seçenek olarak belirlemektedir.

“Fregat” robotik sulama sistemine nasıl uygulanıyor?

Çalışmada yöntem, “Fregat” olarak adlandırılan mobil robotik sulama sisteminin kontrol ve teknik işletme alanında kullanılacak yapay zekâ teknolojisini seçmek amacıyla uygulanmaktadır. Araştırmacılar sulama sürecindeki belirsizliğin; arazi konturu, robotun tarla üzerindeki hareket hızı ve toprak nemi gibi başlangıç bilgilerindeki doğruluk ve eksikliklerle ilişkili olduğunu belirtmektedir.

Kaynağın sonuç bölümünde sulama sürecini açıklayan bir matematiksel model geliştirildiği ifade edilmektedir. Bununla birlikte yayımlanan metin, sulama dinamiklerini ayrıntılı fiziksel denklemler, sensör verileri veya saha deney sonuçlarıyla ayrı bir doğrulama bölümü halinde göstermemektedir. Çalışmanın ayrıntılı sayısal içeriği esas olarak yapay zekâ teknolojisi seçiminde kullanılan bulanık tercih ilişkilerine odaklanmaktadır.

Çalışmanın güçlü yönü nedir?

Çalışmanın temel güçlü yönü, yapay zekâ teknolojisi seçimini yalnız bir yöntemin popülerliğine veya tek bir kritere bağlamayıp, farklı kriterlerin önemleri ile alternatifler arasındaki ikili tercihleri aynı karar yapısına dahil etmeye çalışmasıdır. Ayrıca yöntem örnek bir aday kümesi üzerinde sayısal matrisler ve ara hesaplamalarla gösterilmektedir.

Çalışmanın temel sınırlılıkları nelerdir?

• Tercih matrislerindeki sayısal değerlerin hangi deney, uzman paneli veya ölçüm süreciyle oluşturulduğu ayrıntılı biçimde açıklanmamaktadır.
• Seçilen bulanık kontrol yönteminin gerçek robot üzerinde diğer üç yöntemden daha iyi performans verdiğini gösteren saha deneyi veya karşılaştırmalı benchmark sunulmamaktadır.
• Enerji tüketimi, sulama doğruluğu, rota hatası, işlem süresi veya gerçek zamanlı kontrol gecikmesi gibi fiziksel performans metrikleriyle doğrulama verilmemektedir.
• q₄ kriterinin adı metin ile Tablo 1(b) arasında tutarsızdır.
• Özet bölümündeki “least preferred alternative” ifadesi, ana algoritmadaki ve sonuç bölümündeki “highest nondominant degree” seçimiyle çelişmektedir.
• Metinde [20] atfı bulunmasına rağmen kaynakça [1]–[10] ile sınırlıdır.
• Dördüncü bağıntıdaki indeks kullanımının uygulama ayrıntısı metinde yeterince açılmamıştır.

Çalışmanın desteklediği sonuçlar

• Dört yapay zekâ/kontrol alternatifi için bulanık tercih ilişkileri kullanılarak çok kriterli bir seçim hesabı kurulmuştur.
• Çalışmanın verdiği giriş matrisleri altında son baskın-olmama dereceleri x₁=0,4; x₂=0,8; x₃=0,5 ve x₄=1,0'dır.
• Bu hesaplama altında bulanık kontrol tabanlı x₄ alternatifi seçilmiştir.
• Yöntem “Fregat” mobil robotik sulama sistemi bağlamında örneklenmiştir.

Çalışmanın kanıtlamadığı sonuçlar

• Bulanık kontrolün bütün mobil robotlar için evrensel olarak en iyi yapay zekâ yöntemi olduğu kanıtlanmamıştır.
• x₄=1,0 değeri %100 doğruluk veya %100 verim anlamına gelmez.
• Çalışma, genetik algoritma, yapay sinir ağı ve uzman sistemin gerçek saha testlerinde bulanık kontrolden daha kötü olduğunu göstermemektedir.
• Robotun sulama veriminde, enerji tüketiminde veya hareket doğruluğunda belirli bir yüzde artışı raporlanmamaktadır.
• Başka bir robot, başka kriter ağırlıkları veya başka tercih matrisleri kullanıldığında aynı alternatifin seçileceği gösterilmemiştir.

Çalışmanın Yöntemi ve Bulguları

Yöntem akışının teknik özeti

Ara sonuç ile nihai sonuç arasındaki fark

Bağıntı (3) sonrasında hem x₃ hem x₄ için 1,0 değeri elde edilmektedir. Dördüncü bağıntıyla yapılan düzeltme sonrasında x₃ 0,5'e düşerken x₄ 1,0 değerini korumaktadır. Böylece nihai seçim tek başına x₄ olur.

Bu sonuç, araştırmanın ana nicel bulgusudur. Ancak söz konusu değerler girişte tanımlanmış bulanık tercih matrislerinin matematiksel sonucudur; ölçülmüş saha performansları değildir.

Kaynak içi tutarsızlıklar

Özet–yöntem çelişkisi: Özet, “least preferred alternative” ifadesini kullanırken yöntem ve sonuç bölümleri en yüksek baskın-olmama derecesine sahip alternatifi seçmektedir. Sayısal örnekte de x₄=1,0 ile maksimum değer seçildiği için makalenin ana yöntemsel akışı maksimum seçim kuralına dayanmaktadır. Özet ifadesi sessizce düzeltilmemiş, çelişki açıkça kaydedilmiştir.

q4 kriterinin adı: Sayfa 130'daki açıklamada q₄ “accuracy of problem solving” olarak tanımlanırken, Tablo 1(b)'de aynı q₄ “Reliability” başlığını taşımaktadır. Kaynak bu farkı açıklamamaktadır.

Kaynak numarası: Sulama sistemi örneğinin anlatıldığı bölümde [20] atfı bulunmaktadır; yayımlanmış kaynakça ise [1]–[10] arasındadır. Bu nedenle [20] atfının bibliyografik karşılığı bu sürümden belirlenememektedir.

Editoryal kalıntı: Metinde “I translate:” ifadesi yayımlanmış metnin içinde kalmıştır. Bu ifade bilimsel yöntem unsuruna dönüştürülmemiş ve kaynakta bulunduğu şekliyle editoryal anomali olarak değerlendirilmiştir.

Yöntemsel doğrulama sınırı

Çalışmanın hesaplamaları, verilen bulanık ilişki matrislerinden belirli bir seçime ulaşmaktadır; ancak bu seçim bağımsız deneysel doğrulama ile desteklenmemektedir. Dolayısıyla araştırma, bir yapay zekâ teknolojisi seçim metodolojisinin çalışılmış örneğini sunar; bulanık kontrolün gerçek tarla koşullarında performans üstünlüğünü doğrudan kanıtlayan karşılaştırmalı robot deneyi sunmaz.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Application of Artificial Intelligence Methods in the Control of Mobile Robots

Yazarlar: Aliyeva Aytan Amiraslan; Suleymanov Emil Qardashxan.

Yazar sırası: Aliyeva Aytan Amiraslan birinci yazar, Suleymanov Emil Qardashxan ikinci yazardır. Kaynakta eş birinci yazarlık veya eş katkı beyanı bulunmamaktadır.

Kurum: Her iki yazar da Department of Computer Engineering, Azerbaijan State Oil and Industry University, Republic of Azerbaijan afiliyasyonuyla verilmiştir.

Sorumlu yazar: Kaynakta açık bir sorumlu yazar veya yazışma e-posta adresi belirtilmemektedir.

Kaynak türü: Konferans bildirileri içinde yayımlanmış matematiksel modelleme ve karar yöntemi araştırması.

Hakemlik durumu: Scientific Collection «InterConf+» platformunun resmî editoryal politikasında iç değerlendirme ve çift-kör dış hakem değerlendirmesi uygulandığı bildirilmektedir.

Yayın: Scientific Collection «InterConf+», No. 69(295), Modeling and Nanotechnology.

Konferans: 9th International Scientific and Practical Conference “Concepts for the Development of Society’s Scientific Potential”, 19–20 Mayıs 2026, Prag, Çek Cumhuriyeti.

Sayfalar: 125–133.

ISSN: 2709-4685.

DOI:10.51582/interconf.19-20.05.2026.013

Resmî yayın kaydı:Scientific Collection «InterConf+» makale kaydı

Yayın yılı: 2026.

Yayın tarihi notu: Resmî makale kaydı ile ilgili sayı kaydında farklı yayın tarihleri gösterilmektedir; bu bibliyografik farklılık HTML öncesi değerlendirme notunda belirtilmiştir.

Lisans: Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).

Finansman: Kaynakta ayrı bir finansman beyanı bulunmamaktadır.

Veri erişilebilirliği: Kaynakta ayrı bir veri erişilebilirliği beyanı bulunmamaktadır.

Çıkar çatışması: Kaynakta ayrı bir çıkar çatışması beyanı bulunmamaktadır.

CRediT/yazar katkıları: Kaynakta ayrı bir CRediT veya ayrıntılı yazar katkı beyanı bulunmamaktadır.

Bu Verianla açıklamasındaki bilimsel yöntem, matrisler, denklemler ve sonuçlar yalnız Aliyeva ve Suleymanov'un yayımlanmış çalışmasına dayanmaktadır. Dış doğrulama yalnız bibliyografik yayın kimliği ve hakemlik politikasının kontrolü için kullanılmış; dışarıdan yeni robot performans sonucu, algoritma karşılaştırması veya sulama verisi eklenmemiştir.

Çalışmanın temel bilimsel sınırı, bulanık tercih modelinin sayısal bir seçim sonucu üretmesine karşın tercih matrislerinin oluşturulma sürecinin ve seçilen yöntemin gerçek robot üzerindeki karşılaştırmalı performansının yeterli deneysel ayrıntıyla doğrulanmamış olmasıdır. Bu nedenle x₄'ün seçilmesi, kaynakta verilen kriter ve tercih yapısına bağlı bir karar sonucu olarak değerlendirilmelidir.